药物发现相关生物医学数据集综述：知识图谱视角
人工智能
2022-09-27 v4
摘要
药物发现和开发是一个复杂且昂贵的过程。机器学习方法正被研究以帮助提升药物发现管线多个阶段的有效性和速度。其中，使用知识图谱（KG）的方法在许多任务中有前景，包括药物重定位、药物毒性预测和靶基因-疾病优先级排序。在药物发现 KG 中，基因、疾病和药物等关键元素被表示为实体，而它们之间的关系表示相互作用。然而，构建高质量 KG 需要合适的数据。在本综述中，我们详述适用于构建药物发现导向 KG 的公开可用来源。我们旨在帮助引导有兴趣将新技术应用于药物发现领域但可能不熟悉相关数据源的机器学习和 KG 从业者。数据集通过严格标准筛选，按所包含的主要信息类型分类，并基于可提取用于构建 KG 的信息进行考量。随后我们对现有公开药物发现 KG 进行比较分析，并评估文献中选取的激励性案例研究。此外，我们提出该领域及其数据集相关的众多独特挑战与问题，同时强调关键未来研究方向。我们希望本综述能推动 KG 在解决药物发现领域关键和新颖问题中的使用。
引用
@article{arxiv.2102.10062,
title = {A Review of Biomedical Datasets Relating to Drug Discovery: A Knowledge Graph Perspective},
author = {Stephen Bonner and Ian P Barrett and Cheng Ye and Rowan Swiers and Ola Engkvist and Andreas Bender and Charles Tapley Hoyt and William L Hamilton},
journal= {arXiv preprint arXiv:2102.10062},
year = {2022}
}