基于多关系无监督图嵌入建模药物药理效应
机器学习
2020-05-19 v2 定量方法
机器学习
摘要
药物对细胞、器官和系统的药理效应是指药物物质产生的特定生化相互作用，称为其作用机制。药物重定位（或药物再利用）是识别已获批或失败药物新用途机会的基本问题。本文提出一种基于多关系无监督图嵌入模型的方法，该模型学习药物和疾病的潜在表示，使这些表示之间的距离揭示重定位机会。获得药物和疾病的表示后，我们学习药物与疾病之间新连接（即新适应症）的可能性。已知药物适应症用于学习预测潜在适应症的模型。与现有无监督图嵌入方法相比，我们的方法在 ROC 曲线下面积方面表现出更优的预测性能，并给出了近期生物医学文献中发现且被我们的方法预测出的重定位机会示例。
引用
@article{arxiv.2004.14842,
title = {Modeling Pharmacological Effects with Multi-Relation Unsupervised Graph Embedding},
author = {Dehua Chen and Amir Jalilifard and Adriano Veloso and Nivio Ziviani},
journal= {arXiv preprint arXiv:2004.14842},
year = {2020}
}
备注
Accepted at IJCNN 2020