用于量化传统中医药配伍机制的图神经网络
机器学习
2024-12-11 v2 定量方法
摘要
传统中医药（Traditional Chinese Medicine, TCM）涉及以多组分和多靶点相互作用为特征的复杂配伍机制，这些机制难以量化。为了应对这一挑战，我们应用图人工智能开发了一个 TCM 多维知识图谱，该图谱架起了传统 TCM 理论与现代生物医学科学之间的桥梁（https://zenodo.org/records/13763953 ）。利用特征工程和嵌入，我们处理了关键的 TCM 术语和中药饮片（Chinese herbal pieces, CHP），将药性作为虚拟节点引入，并采用具有注意力机制的图神经网络对 6,080 个中药方剂（Chinese herbal formulas, CHF）进行建模和分析。我们的方法定量评估了 CHP 在 CHF 中的作用，并使用为 COVID-19 防控设计的 215 个 CHF 进行了验证。本研究凭借可解释的模型、开源数据和代码（https://github.com/ZENGJingqi/GraphAI-for-TCM ），为推进 TCM 理论和药物发现提供了稳健的工具。
引用
@article{arxiv.2411.11474,
title = {Graph Neural Networks for Quantifying Compatibility Mechanisms in Traditional Chinese Medicine},
author = {Jingqi Zeng and Xiaobin Jia},
journal= {arXiv preprint arXiv:2411.11474},
year = {2024}
}
备注
10 pages, 5 figures. Includes open-source dataset and code for reproducibility