深度学习与图学习在药物-药物相互作用预测中的综合评估
机器学习
2023-06-09 v1 定量方法
摘要
人工智能（AI）以及深度和图学习模型的最新进展与成就已确立了它们在生物医学应用中的实用性，特别是在药物-药物相互作用（DDIs）方面。DDIs 指的是一种药物在人体中因另一种药物的存在而产生的效应变化，这在药物发现和临床研究中起着至关重要的作用。通过传统临床试验和实验进行 DDIs 预测是一个昂贵且耗时的过程。为了正确应用先进的 AI 和深度学习，开发者和用户面临各种挑战，例如数据资源的可用性与编码，以及计算方法的的设计。本综述总结了基于化学结构、基于网络、基于 NLP 以及混合的方法，为具有不同领域知识的广大研究人员和开发社区提供了一份最新且易于理解的指南。我们介绍了广泛使用的分子表示，并描述了用于表示分子结构的图神经网络模型的理论框架。我们通过执行对比实验展示了深度和图学习方法的优缺点。我们讨论了潜在的技术挑战，并强调了用于加速 DDIs 预测的深度和图学习模型的未来方向。
引用
@article{arxiv.2306.05257,
title = {Comprehensive evaluation of deep and graph learning on drug-drug interactions prediction},
author = {Xuan Lin and Lichang Dai and Yafang Zhou and Zu-Guo Yu and Wen Zhang and Jian-Yu Shi and Dong-Sheng Cao and Li Zeng and Haowen Chen and Bosheng Song and Philip S. Yu and Xiangxiang Zeng},
journal= {arXiv preprint arXiv:2306.05257},
year = {2023}
}
备注
Accepted by Briefings in Bioinformatics