英文原题：

Dual-Channel Heterogeneous Graph Neural Network for Predicting microRNA-Mediated Drug Sensitivity

通讯作者: 刘辉，南京工业大学

作者： Lei Deng, Ziyu Fan, Xiaojun Xiao, Hui Liu*, and Jiaxuan Zhang

背景介绍

癌细胞对药物的敏感性是有效治疗癌症的关键所在。但在治疗过程中，肿瘤细胞往往会对抗癌药物产生耐药性，疗效明显减退。耐药性的产生有很多种原因，例如癌细胞逃避程序性细胞死亡的基因突变、表观遗传变化、转运蛋白的活性降低导致细胞内药物浓度变化等等。此外，许多研究证实，microRNA（miRNA）也介导了肿瘤细胞对抗癌药物的敏感性，miRNA 正成为一种克服耐药性的有前途的治疗靶点。

文章亮点

2022年11月22日，中南大学邓磊教授团队与南京工业大学刘辉教授在化学信息学和人工智能研究领域的国际权威学术期刊"Journal of Chemical Information and Modeling"上发表了题为 “Dual-ChannelHeterogeneous Graph Neural Network for Predicting microRNA-Mediated DrugSensitivity” 的研究论文，开发了一种双通道异构图神经网络模型DGNNMDA，通过在同质和异质相邻节点上进行特征聚合，学习 miRNA 和药物的潜在表征。在两个基准数据集上进行了性能评估，该方法的性能7种其他现有算法。该项研究可以有效地促进 miRNA 介导的药物敏感性的发现。

课题组开发了一个双通道异构图神经网络模型，提出一种二阶段的异构图卷积算法，通过多层 GNN 网络在同质和异质相邻节点上进行信息聚合，将 miRNA 和药物节点嵌入到相同的潜在空间。将 miRNA相似性网络和药物相似性网络集成到 miRNA- 药物异质网络中可以有效缓解数据集中稀疏连接的问题。

该研究在基准数据集上与7个高度相关的方法进行了实验对比，获得了最高的 AUC 值0.9255。实验结果表明其研究方法在 AUC、AUPR、准确度、召回率和 F1-score 等指标上显著优于其他方法。为了进一步验证该方法的可靠性，使用关键词“miR-/miRNA/miRNA”、“敏感/敏感性”和单个药物名称检索PubMed出版物，并手动检查 miRNA 是否介导药物敏感性。最终收集了350个 miRNA- 药物敏感性关联作为独立测试集，验证了该方法的优越性。

该研究进一步对抗肿瘤药物紫杉醇进行了 Case Study。紫杉醇是一种对多种肿瘤有效的化疗药物，尤其是卵巢癌和乳腺癌。研究人员从训练集中删除了所有与紫杉醇 -miRNA 的关联数据，使用剩余的数据对模型进行训练，获得预测得分最高的前10个 miRNA。通过 PubMed 文献检索，研究发现7个 miRNA 已被证明在多种癌症中调节紫杉醇的敏感性。研究者进一步构建了这些 miRNA 的调控网络，验证了实验结果的可靠性。

转自：“ACS美国化学会”微信公众号

如有侵权，请联系本站删除！