针对药物-药物相互作用预测的定制化子图选择与编码
机器学习
2024-11-05 v1 人工智能
生物大分子
摘要
基于子图的方法在预测药物-药物相互作用 (DDI) 方面已证明具有有效性和可解释性，而 DDI 对医疗实践和药物开发至关重要。然而，子图选择与编码是这些方法中的关键环节，而针对这些组件进行定制化设计仍未得到充分探索，因为手动调整成本高昂。本研究灵感来源于神经网络架构搜索 (NAS) 的成功，提出一种在子图框架中搜索数据特定组件的方法。具体而言，我们引入了广泛的子图选择与编码空间，以考虑 DDI 预测中药物相互作用的多样化情境。为解决搜索空间大、抽样成本高的挑战，我们设计了一种松弛机制，采用近似策略高效探索最优子图配置。该方法允许稳健地探索搜索空间。大量实验表明，所提方法有效且优于基准，所发现的子图和编码函数凸显了模型的适应性。
引用
@article{arxiv.2411.01535,
title = {Customized Subgraph Selection and Encoding for Drug-drug Interaction Prediction},
author = {Haotong Du and Quanming Yao and Juzheng Zhang and Yang Liu and Zhen Wang},
journal= {arXiv preprint arXiv:2411.01535},
year = {2024}
}
备注
Accepted by NeurIPS 2024