DLGCN：基于图卷积网络的药物-lncRNA关联预测

作者：朱济村; 周旭; 侯斐; 曹新玉; 姜伟^*

来源：生物信息学, 2023, 1-10.

• 肿瘤
• 药物
• lncRNA
• 图卷积网络
• 深度学习

为了高通量识别新的药物-长链非编码RNA（Long non-coding RNA， lncRNA）关联，本文提出了一种基于图卷积网络模型来识别潜在药物-lncRNA关联的方法DLGCN（Drug-LncRNA Graph Convolution Network）。首先，基于药物的结构信息和lncRNA的序列信息分别构建了药物-药物和lncRNA-lncRNA相似性网络，并整合实验证实的药物-lncRNA关联构建了药物-lncRNA异质性网络。然后，将注意力机制和图卷积运算应用于该网络中，学习药物和lncRNA的低维特征，基于整合的低维特征预测新的药物-lncRNA关联。通过效能评估，DLGCN的受试者工作特性曲线下面积（Area Under Receiver Operating Characteristic， AUROC）达到0.843 1，优于经典的机器学习方法和常见的深度学习方法。此外，DLGCN预测到姜黄素能够调控lncRNA MALAT1的表达，已被最近的研究证实。DLGCN能够有效预测药物-lncRNA关联，为肿瘤治疗新靶点的识别和抗癌药物的筛选提供了重要参考。

• 单位
  南京航空航天大学; 自动化学院