首先, 我们将使用一个 GCN 编码器来实例化 GAE 模型. 具体来说, 一个 GCN 包含两个图卷积层, 一个 ReLU, 和一个 dropout. 但是需要注意的是, 我们也可以使用其他的 GNNs 来构建编码器, 事实上, 我们甚至可以使用非神经网络结构的编码器[1]. 现在, 我们可以得到定义好的 GCNEncoder: import torch.nn ...
作者使用特征映射部分将药物和靶蛋白特征向量Fd和Ft映射到节点的相同新特征维度向量空间中,接着应用了图神经网络的近似个性化传播层来进一步提取特征,通过双线性解码器重建了二分图的链接,以预测药物-蛋白质对的相互作用。由于sigmoid激活函数适用于二值化分类中处理得很好,因此作者采用的双线性解码器包括双线性运算和sig...
该模型的灵感来自于Alec Radford等人提出的CLIP方法,其思想是联合训练一个视觉编码器和一个文本编码器,将图像及其标题的表示投射到同一个嵌入空间,从而使标题嵌入位于其描述的图像的嵌入附近。 这个例子需要TensorFlow 2.4或更高版本。此外,BERT模型需要TensorFlow Hub和TensorFlow Text,AdamW优化器需要TensorFlow Addons。...
作者的理念是将DDM逐渐拆解为经典的去噪自编码器(DAE)。这个拆解过程使作者能够探索现代DDM的各个组件如何影响自监督学习中的表示学习。作者观察到,只有很少的现代组件对学习良好的表示具有关键作用,而其他许多组件则是非关键的。作者的研究最终提出了一种高度简化的方法,在很大程度上类似于经典的DAE。作者希望作者的...
在本文中,作者提出了一种基于个性化传播图自编码器的药物-靶点相互作用预测方法(Personalized Propagation Auto-Encoder Model for Predicting Drug-Target Interactions,PPAEDTI),通过在药物-靶点二分图上信息的个性化传播策略,增强自编码器模型捕获蛋白质和药物之间相互作用的能力。实验结果验证了PPAEDTI对DTI预测的有效...