用于转录组信息精确肿瘤学和药物机制分析的多模态可解释深度学习精确肿瘤学在解释复杂的细胞信号和预测跨异质癌症环境的药物反应方面面临着关键挑战。在这里，我们提出了BioGDR，一个多模态可解释的深度学习框架，它集成了基于结构的预测生物特征差异基因表达和激酶抑制谱，消除了对实验测量的需要。通过通过路径信息图形神经网络对肿瘤转录状态进行建模，并采用药物引导的注意策略，BioGDR能够对化合物和细胞环境中的药物敏感性进行机械性的洞察。综合评估表明，BioGDR在与早期药物发现相关的化合物筛选和预测精确肿瘤学特征的不同细胞状态的细胞系敏感性方面优于现有方法，而对临床病例队列的