Blend the Separated: Mixture of Synergistic Experts for Data-Scarcity Drug-Target Interaction Prediction
Created by
Haebom
Category
Empty
저자
Xinlong Zhai, Chunchen Wang, Ruijia Wang, Jiazheng Kang, Shujie Li, Boyu Chen, Tengfei Ma, Zikai Zhou, Cheng Yang, Chuan Shi
개요
본 논문은 약물-표적 상호작용 예측(DTI)에서 입력 데이터(약물 또는 표적의 고유 특징과 외부 관계) 및/또는 레이블 부족 문제를 해결하는 새로운 방법을 제시합니다. 두 가지 관점의 입력 데이터를 각각 처리하는 두 개의 전문가 네트워크를 설계하고, 이를 상호 보완적으로 학습시켜 부족한 데이터를 보완하고 예측 성능을 향상시킵니다. 특히, 한 가지 유형의 입력 데이터만 존재하는 경우에도 모델이 작동하도록 설계되었으며, 레이블이 부족한 경우에도 비지도 학습을 통해 성능을 향상시킵니다. 실제 데이터셋을 이용한 실험 결과, 기존 최고 성능 모델보다 최대 53.53% 향상된 성능을 보였으며, 데이터 부족이 없는 경우에도 기존 모델보다 우수한 성능을 나타냈습니다.
시사점, 한계점
•
시사점:
◦
입력 데이터 및 레이블 부족 문제를 효과적으로 해결하는 DTI 예측 모델을 제시.
◦
고유 및 외부 데이터를 활용하는 두 전문가 네트워크의 상호 보완적 학습을 통해 성능 향상.
