HeTriNet：面向药物-靶点-疾病相互作用的异构图三元组注意力网络
机器学习
2023-12-04 v1 人工智能
生物大分子
摘要
建模药物、靶点与疾病之间的相互作用在药物发现中至关重要，并对精准医疗和个性化治疗具有重要意义。当前方法常单独考虑药物-靶点 or 药物-疾病相互作用，忽略了所有三类实体间的相互依赖。在人体代谢系统中，药物与细胞中的蛋白质靶点相互作用，影响靶点活性，进而作用于生物通路以促进健康功能并治疗疾病。超越二元关系并探索更紧密的三元关系，对于理解药物作用机制（MoAs）至关重要。此外，识别药物、靶点和疾病的异质性及其各自特征，对于恰当建模这些复杂相互作用十分关键。为应对这些挑战，我们在异构图中对所有实体的互联性进行有效建模，并提出了一种新颖的异构图三元组注意力网络（\texttt{HeTriNet}）。\texttt{HeTriNet} 在该异构图结构中引入了新颖的三元组注意力机制。除作为实体间相互重要性的成对注意力外，我们定义三元组注意力来建模在药物-靶点-疾病三元组预测问题中成对关系对实体的重要性。在真实数据集上的实验结果表明，\texttt{HeTriNet} 优于多个基线模型，展现出其在揭示新颖药物-靶点-疾病关系方面的卓越能力。
引用
@article{arxiv.2312.00189,
title = {HeTriNet: Heterogeneous Graph Triplet Attention Network for Drug-Target-Disease Interaction},
author = {Farhan Tanvir and Khaled Mohammed Saifuddin and Tanvir Hossain and Arunkumar Bagavathi and Esra Akbas},
journal= {arXiv preprint arXiv:2312.00189},
year = {2023}
}
备注
13 pages, 3 figures, 6 tables