用于预测多种药物交互的图距离神经网络
机器学习
2022-09-01 v1 人工智能
定量方法
摘要
由于多药联用广泛应用，药物-药物交互（DDI）的准确预测变得愈发关键。在我们的方法中，用图表示药物-药物交互：节点代表药物；边代表药物-药物交互。基于我们的假设，将DDI预测转化为链接预测问题，利用已知药物节点特征与DDI类型预测未知DDI类型。本工作提出图距离神经网络（GDNN）预测药物-药物交互。首先，GDNN通过靶点法为节点生成初始特征，充分包含图中的距离信息。其次，GDNN采用改进的消息传递框架以更好地生成各药物节点嵌入表达，同步综合考量节点与边的特征。第三，GDNN聚合嵌入表达，经MLP处理生成最终预测的药物交互类型。GDNN在ogb-ddi数据集上取得Test Hits@20=0.9037，证明GDNN能高效预测DDI。
引用
@article{arxiv.2208.14810,
title = {Graph Distance Neural Networks for Predicting Multiple Drug Interactions},
author = {Haifan zhou and Wenjing Zhou and Junfeng Wu},
journal= {arXiv preprint arXiv:2208.14810},
year = {2022}
}
备注
7 pages,3 figures