GENN：利用图能量神经网络预测相关的药物-药物相互作用
机器学习
2019-10-09 v2 定量方法
机器学习
摘要
获取更全面的药物-药物相互作用（DDI）知识是药物开发与医疗实践中最重要的任务之一。近来，图神经网络通过将药物建模为节点、将药物-药物相互作用建模为连边，并将DDI预测转化为链接预测问题，在该任务上取得了巨大成功。然而，现有工作很少考虑链接标签（如DDI类型）之间的相关性。我们提出图能量神经网络（GENN）以显式建模链接类型相关性。我们将DDI预测任务表述为一个结构预测问题，并引入一种新的基于能量的模型，其中能量函数由图神经网络定义。在两个真实世界DDI数据集上的实验表明，GENN优于许多未考虑链接类型相关性的基线方法，并在两个数据集上分别取得了和的PR-AUC提升。我们还展示了一个案例研究，其中GENN相比基线模型能更好地捕捉有意义的DDI相关性。
引用
@article{arxiv.1910.02107,
title = {GENN: Predicting Correlated Drug-drug Interactions with Graph Energy Neural Networks},
author = {Tengfei Ma and Junyuan Shang and Cao Xiao and Jimeng Sun},
journal= {arXiv preprint arXiv:1910.02107},
year = {2019}
}