带你读论文:用于药物重用的二分图卷积网络

论文：《Toward heterogeneous information fusion: bipartite graph convolutional networks for in silico drug repurposing》

一部分内容取自于我的ppt

背景：

1.药物重用是指开发已有药物的新的治疗目标，即“老药新用”。这是现在一些做drug-disease工作的替代名字。

2.数据越来越丰富，但是由于疾病的分子异质性和多种药物-疾病的关联，以及PPI网络尚未完全研究清楚，DR的研究具有挑战性。 DR需要在综合背景下深入探索多模式生物网络。

2.本文提出了BiFusion方法（ bipartite graph convolution network model for DR through heterogeneous information fusion）

3.该方法融合了drug-disease，drug-protein，disease-protein和protein-protein关联，其中，PPI作为信息在不同领域的传递桥梁。而不是直接将他们一起构建成一个大的图网络。

4.结果证明该方法能够有效进行药物重用，并且效果较好。

相关工作介绍：

本文贡献：

1.在DR任务中，第一个在二分图上使用GCN，并融合了蛋白质，药物，和疾病数据。

2.提出了一种新的端到端的药物重用的模型方法，效果优于baseline

3.给PPI网络的特征提取与融合提供了新的见解与解决方法。

数据介绍：

方法图：

结果分析：

总结：

1.现有方法要么使用数据单一，要么没有考虑网络结构，要么没有考虑域间差异。

2.提出了一种面向异构信息融合的新型二分图GCN，用于DR任务。BiFusion模型通过跨药物，疾病和蛋白质水平信息的重要域间消息实现了信息融合。

3.模型在DR的任务上实现了强大的性能。 此外，本文在外部验证了结果，证实了本文的DR方法具有潜在的普遍性。

4.case study实验证实了本方法的医学实用性。

展望：