基于图增强卷积网络的药品相互作用预测
机器学习
2025-07-01 v1 机器学习
摘要
我们提出一种端到端模型,通过采用图增强卷积网络预测药品相互作用(drug-drug interactions, DDIs)。该模型结合图CNN与注意力池化网络,以提取药物对之间的结构关系并作出DDI预测。实验结果表明其性能良好,ROC达0.988、F1-score达0.956、AUPR达0.986。此外,该模型可通过变化着色原子来揭示两种DDI药物在结构上的相互作用方式。这可能有助于药物发现过程中的药物设计。
引用
@article{arxiv.1912.03702,
title = {Graph-augmented Convolutional Networks on Drug-Drug Interactions Prediction},
author = {Yi Zhong and Xueyu Chen and Yu Zhao and Xiaoming Chen and Tingfang Gao and Zuquan Weng},
journal= {arXiv preprint arXiv:1912.03702},
year = {2025}
}