SGCL-DTI通过对比DPP网络的拓扑结构和语义特征,以及新的正负样本选择策略,来生成对比损失,以监督的方式引导模型优化。对三个公共数据集的综合实验表明,我们的模型在DTI预测任务上明显优于SOTA方法,尤其是在冷启动的情况下。此外,SGCL-DTI为DTI预测提供了对比学习的新研究视角。 冷启动:即数据不足。 1.引言 药物靶...
Run ./SGCL-DTI/main.py: predict drug-target interactions. All process -Run ./main.py You can run the entire model Code and data CLaugmentdti.py: data augment for graph contrastive learning modeltestdtiseed.py: SGCL model utilsdeiseed.py: tool kit main.py: use the dataset to run SG...
具体地说,SGCL-DTI首先通过元路径引导图编码器从异构网络中学习药物和蛋白质的低维表示。然后,分别构建了药物-蛋白质对(DPP)节点的拓扑图和语义图。 与以往对比原始网络和被破坏网络的对比学习不同,我们通过两个DPP网络(拓扑图和语义图)的联合对比学习来优化最终的预测目标函数,通过最大化同一类别中一阶邻居之间的...