Buchumschlag

Disentangling Causal Substructures for Interpretable and Generalizable Drug Synergy Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Yi, Zhao, Haochen, Liang, Xiao, Liu, Yiwei, Zhang, Yuye, Li, Xinyu, Wang, Jianxin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-shot Generalizable Graph Anomaly Detection with Mixture of Riemannian Experts
von: Zhao, Xinyu, et al.
Veröffentlicht: (2026)

DiSPA: Differential Substructure-Pathway Attention for Drug Response Prediction
von: Han, Yewon, et al.
Veröffentlicht: (2026)

Fast and Interpretable Protein Substructure Alignment via Optimal Transport
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

Drug Synergy Prediction via Residual Graph Isomorphism Networks and Attention Mechanisms
von: Song, Jiyan, et al.
Veröffentlicht: (2026)

Disentangled Representation Learning for Causal Inference with Instruments
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

GED-Consistent Disentanglement of Aligned and Unaligned Substructures for Graph Similarity Learning
von: Zhan, Zhentao, et al.
Veröffentlicht: (2025)

VQSynery: Robust Drug Synergy Prediction With Vector Quantization Mechanism
von: Wu, Jiawei, et al.
Veröffentlicht: (2024)

BiBLDR: Bidirectional Behavior Learning for Drug Repositioning
von: Zhang, Renye, et al.
Veröffentlicht: (2025)

DIGIC: Domain Generalizable Imitation Learning by Causal Discovery
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Disentangled Interest Network for Out-of-Distribution CTR Prediction
von: Zheng, Yu, et al.
Veröffentlicht: (2025)

Disentangled Double Machine Learning for Accurate Causal Effect Estimation
von: Xiang, Guodu, et al.
Veröffentlicht: (2026)

Depth-Breadth Synergy in RLVR: Unlocking LLM Reasoning Gains with Adaptive Exploration
von: Yang, Zhicheng, et al.
Veröffentlicht: (2025)

Causally-informed Deep Learning towards Explainable and Generalizable Outcomes Prediction in Critical Care
von: Cheng, Yuxiao, et al.
Veröffentlicht: (2025)

Emerging Synergies in Causality and Deep Generative Models: A Survey
von: Zhou, Guanglin, et al.
Veröffentlicht: (2023)

ST-TGExplainer: Disentangling Stability and Transition Patterns for Temporal GNN Interpretability
von: Chen, Hongjiang, et al.
Veröffentlicht: (2026)

BECAUSE: Bilinear Causal Representation for Generalizable Offline Model-based Reinforcement Learning
von: Lin, Haohong, et al.
Veröffentlicht: (2024)

DRExplainer: Quantifiable Interpretability in Drug Response Prediction with Directed Graph Convolutional Network
von: Shi, Haoyuan, et al.
Veröffentlicht: (2024)

GraphKeeper: Graph Domain-Incremental Learning via Knowledge Disentanglement and Preservation
von: Guo, Zihao, et al.
Veröffentlicht: (2025)

Inductive Subgraphs as Shortcuts: Causal Disentanglement for Heterophilic Graph Learning
von: Wang, Xiangmeng, et al.
Veröffentlicht: (2026)

OptSkills: Learning Generalizable Optimization Skills from Problem Archetypes via Cluster-Based Distillation
von: Yang, Haochen, et al.
Veröffentlicht: (2026)

FlexCare: Leveraging Cross-Task Synergy for Flexible Multimodal Healthcare Prediction
von: Xu, Muhao, et al.
Veröffentlicht: (2024)

Correlating Time Series with Interpretable Convolutional Kernels
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

Case-Based Reasoning Enhances the Predictive Power of LLMs in Drug-Drug Interaction
von: Liu, Guangyi, et al.
Veröffentlicht: (2025)

DualOptim: Enhancing Efficacy and Stability in Machine Unlearning with Dual Optimizers
von: Zhong, Xuyang, et al.
Veröffentlicht: (2025)

A Comprehensive Graph Pooling Benchmark: Effectiveness, Robustness and Generalizability
von: Wang, Pengyun, et al.
Veröffentlicht: (2024)

BSL: A Unified and Generalizable Multitask Learning Platform for Virtual Drug Discovery from Design to Synthesis
von: Li, Kun, et al.
Veröffentlicht: (2025)

A Generalizable Anomaly Detection Method in Dynamic Graphs
von: Yang, Xiao, et al.
Veröffentlicht: (2024)

Controllable Edge-Type-Specific Interpretation in Multi-Relational Graph Neural Networks for Drug Response Prediction
von: Li, Xiaodi, et al.
Veröffentlicht: (2024)

Self-Distilled Disentangled Learning for Counterfactual Prediction
von: Li, Xinshu, et al.
Veröffentlicht: (2024)

Disentangled Representations for Causal Cognition
von: Torresan, Filippo, et al.
Veröffentlicht: (2024)

Graph In-Context Operator Networks for Generalizable Spatiotemporal Prediction
von: Wu, Chenghan, et al.
Veröffentlicht: (2026)

Towards Interpretable Drug-Drug Interaction Prediction: A Graph-Based Approach with Molecular and Network-Level Explanations
von: Chen, Mengjie, et al.
Veröffentlicht: (2025)

Disentangling Policy from Offline Task Representation Learning via Adversarial Data Augmentation
von: Jia, Chengxing, et al.
Veröffentlicht: (2024)

Generalizability of Memorization Neural Networks
von: Yu, Lijia, et al.
Veröffentlicht: (2024)

S$^{2}$FT: Efficient, Scalable and Generalizable LLM Fine-tuning by Structured Sparsity
von: Yang, Xinyu, et al.
Veröffentlicht: (2024)

A Multi-Scale Graph Neural Process with Cross-Drug Co-Attention for Drug-Drug Interactions Prediction
von: Yan, Zimo, et al.
Veröffentlicht: (2025)

Causal Graph Neural Networks for Wildfire Danger Prediction
von: Zhao, Shan, et al.
Veröffentlicht: (2024)

EviDep: Trustworthy Multimodal Depression Estimation via Disentangled Evidential Learning
von: Liu, Fangyuan, et al.
Veröffentlicht: (2026)

The Fourier Spectral Transformer Networks For Efficient and Generalizable Nonlinear PDEs Prediction
von: Li, Beibei
Veröffentlicht: (2025)