Pembelajaran Mendalam Jaringan Multimodal dengan Regularisasi Topologi untuk Reposisi Obat
Pendahuluan Metode pembelajaran mendalam telah menjadi terkenal dalam bioinformatika karena kemampuannya untuk memperoleh representasi data pada berbagai tingkat abstraksi. Penelitian biologi sistem, melihat penyakit manusia sebagai gangguan dalam jaringan biologis, menekankan pentingnya analisis data multi-omik untuk memahami sistem biologis yang kompleks dan menyelidiki mekanisme penyakit. Studi ini memperkenalkan STRGNN (Sequentially Topological Regularization Graph Neural Network), model pembelajaran mendalam yang secara efektif memprediksi hubungan obat-penyakit menggunakan jaringan multimoda skala besar yang kaya akan data omik. Penting untuk dicatat perbedaan antara jaringan multimoda dan heterogen. Meskipun keduanya mengintegrasikan berbagai jenis data, jaringan multimoda berfokus pada modalitas atau sumber yang berbeda, dan jaringan heterogen pada berbagai jenis simpul dan tepi. Pendekatan ini secara khusus memanfaatkan jari...