基于因果干预的药物-靶点相互作用预测置信度度量
定量方法
2023-11-15 v2 机器学习
摘要
识别和发现药物-靶点相互作用(DTIs)是药物发现和开发中的关键步骤。它们在协助科学家寻找新药物以及加速药物开发过程中发挥着至关重要的作用。近年来,知识图谱与知识图谱嵌入(KGE)模型取得了快速发展,并在药物发现中展现出令人印象深刻的性能。然而,此类模型在药物靶点识别方面缺乏真实性与准确性,导致误判率上升并降低药物开发效率。为解决这些问题,我们以知识映射为核心技术,聚焦于药物-靶点相互作用问题。具体而言,采用基于因果干预的置信度度量来评估三元组得分,从而提高药物-靶点相互作用预测模型的准确性。实验结果表明,所开发的基于因果干预的置信度度量方法能够显著提升DTI链接预测的准确性,尤其是对于高精度模型。预测结果对指导后续药物开发实验的设计与开展更具价值,从而显著提高药物开发效率。
引用
@article{arxiv.2306.00041,
title = {Causal Intervention for Measuring Confidence in Drug-Target Interaction Prediction},
author = {Wenting Ye and Chen Li and Yang Xie and Wen Zhang and Hong-Yu Zhang and Bowen Wang and Debo Cheng and Zaiwen Feng},
journal= {arXiv preprint arXiv:2306.00041},
year = {2023}
}