Key points are not available for this paper at this time.
배경: 임상 연구에 따르면 미생물은 인간 건강과 밀접한 관련이 있으며, 미생물과 약물 간의 잠재적 연관성을 발견하는 것이 약물 연구 및 개발을 촉진할 것입니다. 그러나 현재 미생물-약물 연관성을 예측하기 위한 계산 방법은 거의 제안되지 않았습니다. 결과: 본 연구에서는 그래프 어텐션 네트워크와 희소 오토인코더를 기반으로 잠재적 미생물-약물 연관성을 추론하기 위한 새로운 계산 모델인 GSAMDA를 제안하였습니다. GSAMDA에서는 먼저 기존의 미생물-약물 연관성, 미생물 유사성 및 약물 유사성을 통합하여 이질 네트워크를 구축하였습니다. 그런 다음, 각각 노드에 대한 위상 표현 및 속성 표현을 학습하기 위해 GAT 기반 오토인코더와 희소 오토인코더 모듈을 채택하였습니다. 마지막으로, 이 두 종류의 노드 표현을 바탕으로 미생물과 약물에 대해 각각 두 종류의 특성 행렬을 구성하고, 이를 활용하여 미생물-약물 쌍에 대한 가능한 연관 점수를 계산하였습니다. 결론: 그래프 어텐션 네트워크와 희소 오토인코더를 기반으로 잠재적 미생물-약물 연관성을 예측하기 위한 새로운 계산 모델이 제안되었습니다. 다른 다섯 개의 최첨단 경쟁 방법과 비교했을 때, 실험 결과는 우리의 모델이 더 나은 성능을 달성할 수 있음을 보여주었습니다. 또한 두 가지 대표적인 약물 및 미생물의 사례 연구는 모델의 활용 가능성을 더욱 입증하였습니다.
Tan et al. (금요일)에 이 질문을 연구했습니다.