BiG-DRP (et BiG-DRP+) sont des approches d'apprentissage profond pour prédire la réponse aux médicaments en oncologie. Ces modèles tirent parti de la structure chimique des composés et des relations sous-jacentes entre médicaments et lignées cellulaires à l'aide d'un graphe bipartite et d'un réseau convolutif sur graphe hétérogène. Ils intègrent les données de lignées cellulaires sensibles et résistantes pour créer des représentations robustes des médicaments, ce qui améliore nettement l'efficacité prédictive. L'outil est conçu pour effectuer des prédictions sur des lignées cellulaires inconnues et peut cibler des gènes qui influencent significativement les performances du modèle, mettant en lumière d'importants processus biologiques et voies de signalisation. BiG-DRP représente un outil précieux pour les études de pharmacogénomique et l'accélération de la découverte de médicaments.