清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

ExplainMIX: Explaining Drug Response Prediction in Directed Graph Neural Networks With Multi-Omics Fusion

计算机科学 人工神经网络 人工智能 机器学习 图形 数据挖掘 理论计算机科学
作者
Ying Xiang,Xiaodi Li,Qian Gao,Junfeng Xia,Zhenyu Yue
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:29 (7): 5339-5349 被引量:5
标识
DOI:10.1109/jbhi.2025.3550353
摘要

The intricacies of cancer present formidable challenges in achieving effective treatments. Despite extensive research in computational methods for drug response prediction, achieving personalized treatment insights remains challenging. Emerging solutions combine multiple omics data, leveraging graph neural networks to integrate molecular interactions into the reasoning process. However, effectively modeling and harnessing this information, as well as gaining the trust of clinical professionals remain complex. This paper introduces ExplainMIX, a pioneering approach that utilizes directed graph neural networks to predict drug responses with interpretability. ExplainMIX adeptly captures intricate structures and features within directed heterogeneous graphs, leveraging diverse data modalities such as genomics, proteomics, and metabolomics. ExplainMIX goes beyond prediction by generating transparent and interpretable explanations. Incorporating edge-level, meta-path, and graph structure information, it provides meaningful insights into factors influencing drug response, supporting clinicians and researchers in the development of targeted therapies. Empirical results validate the efficacy of ExplainMIX in prediction and interpretation tasks by constructing a quantitative evaluation ground truth. This approach aims to contribute to precision medicine research by addressing challenges in interpretable personalized drug response prediction within the landscape of cancer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
初景发布了新的文献求助10
3秒前
null的应助被科研通管家采纳,获得10
7秒前
高高仙人掌完成签到,获得积分10
11秒前
殷勤的半凡完成签到,获得积分10
13秒前
安详的老五完成签到,获得积分10
14秒前
火星上的笑寒完成签到,获得积分10
38秒前
ding的应助被amiee采纳,获得10
43秒前
含蓄的新柔完成签到,获得积分10
45秒前
dianeil发布了新的文献求助10
54秒前
1分钟前
amiee发布了新的文献求助10
1分钟前
somehgo的应助被betsydouglas14采纳,获得30
1分钟前
共享精神的应助被ping采纳,获得10
1分钟前
包容的初阳完成签到,获得积分10
1分钟前
1分钟前
激动的忆翠完成签到,获得积分10
1分钟前
风趣馒头完成签到,获得积分10
1分钟前
1分钟前
无私的碧玉完成签到,获得积分10
1分钟前
俭朴迎荷完成签到,获得积分10
1分钟前
2分钟前
n01W97的应助被科研通管家采纳,获得70
2分钟前
null的应助被科研通管家采纳,获得10
2分钟前
null的应助被科研通管家采纳,获得10
2分钟前
怕黑靖荷完成签到,获得积分10
2分钟前
专一的思菱完成签到,获得积分10
2分钟前
2分钟前
欢呼亦绿完成签到,获得积分10
2分钟前
ping发布了新的文献求助10
2分钟前
文静飞松完成签到,获得积分10
2分钟前
喜悦的紫雪完成签到,获得积分10
3分钟前
故意的白风完成签到,获得积分10
3分钟前
要减肥的菀完成签到,获得积分10
3分钟前
矢思然完成签到,获得积分10
4分钟前
蓝意完成签到,获得积分0
4分钟前
null的应助被科研通管家采纳,获得10
4分钟前
null的应助被科研通管家采纳,获得10
4分钟前
cocolinfly完成签到 ,获得积分10
4分钟前
null的应助被科研通管家采纳,获得10
4分钟前
Maestro_S的应助被科研通管家采纳,获得10
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185411
求助须知:如何正确求助?哪些是违规求助? 9574140
关于积分的说明 21834375
捐赠科研通 7782865
什么是DOI,文献DOI怎么找? 3434552
关于科研通互助平台的介绍 2558842
邀请新用户注册赠送积分活动 2481280