基于图协同注意力的药物-药物不良效应预测
机器学习
2019-05-03 v1 机器学习
社会与信息网络
定量方法
摘要
复杂或共病疾病常使用药物组合治疗，这可能导致更高的不良副作用风险。多药合用副作用的检测通常在 IV 期临床试验中进行，但当药物上市时仍有大量未被发现。此类事故已影响越来越多的人群（目前美国为 15%），因此尽早预测潜在副作用具有高度意义。对可能的药物-药物相互作用（DDI）进行系统性组合筛选既具挑战又昂贵。然而，药物研发工作中近期数据可用性的显著增加，为恢复 DDI 预测的相关洞见提供了新范式。相应地，若干近期方法聚焦于整理大规模 DDI 数据集（含数百万样本）并在其上训练机器学习模型。在此，我们提出一种神经网络架构，仅利用副作用类型与药物分子结构，借助协同注意机制在此任务上达到最先进结果。特别地，我们展示了在学习每种药物表示时尽早整合来自药物对的联合信息的重要性。
引用
@article{arxiv.1905.00534,
title = {Drug-Drug Adverse Effect Prediction with Graph Co-Attention},
author = {Andreea Deac and Yu-Hsiang Huang and Petar Veličković and Pietro Liò and Jian Tang},
journal= {arXiv preprint arXiv:1905.00534},
year = {2019}
}
备注
8 pages, 5 figures