HGACL-DRP：用于药物反应预测的异构图注意力双扰动对比学习网络

HGACL-DRP 通过整合多组学特征构建优化的异构图结构，并引入面向药物反应预测的双扰动对比学习范式，在 GDSC 和 CCLE 两个公开数据集上分别取得 98.99% 和 95.48% 的平均 AUC。该框架结合特征扰动与结构扰动进行自监督学习，获得更稳健的异构图节点嵌入，并设计了邻居过滤机制。与现有最先进的药物反应预测算法相比，HGACL-DRP 在预测准确率上取得统计学显著提升。研究希望以多视图图增强策略和注意力机制支持个性化用药选择与新药发现，应对药物反应异质性带来的挑战。