基于异构图注意力网络的药品相互作用预测

多重用药（即多种药物联合使用）是一种标准治疗方法，尤其适用于重症和慢性疾病。然而，多种药物联合使用可能会引起药物之间的相互作用。药品相互作用（DDI）是指一种药物与另一种药物合用时其影响发生改变的现象。DDI 可能阻碍、增强或减弱任一药物的预期效果，或者在最坏情况下产生不良副作用。尽管及时检测 DDI 至关重要，但由于临床试验周期短且需考虑测试的可能药物对众多，在临床试验中识别它们既耗时又昂贵。因此，需要计算方法用于预测 DDI。本文提出一种新颖的异构图注意力模型 HAN-DDI 来预测药品相互作用。我们构建了包含不同生物实体的药物异构图网络。随后，我们开发了异构图注意力网络，利用药物与其他实体的关系来学习 DDI。该网络由基于注意力的异构图节点编码器（用于获取药物节点表示）和用于预测药品相互作用的解码器组成。此外，我们进行了全面的实验来评估我们的模型并与最先进（SOTA）的模型进行比较。实验结果表明，我们提出的方法 HAN-DDI 显著优于基线模型，并能准确预测 DDI，即使对于新药也是如此。