用于药物-药物相互作用预测的分子子结构感知网络
人工智能
2022-08-26 v2 机器学习
摘要
药物 concomitantly 给药可引起药物-药物相互作用（DDIs）。某些药物组合有益，但其他组合可能产生先前未记录的负面效应。以往 DDI 预测工作通常依赖手工设计的领域知识，获取费力。本文中，我们提出一种新颖模型——分子子结构感知网络（MSAN），以从药物对分子结构有效预测潜在 DDI。我们采用类 Transformer 的子结构提取模块获取与药物分子各种子结构模式相关的固定数量代表向量。随后，两药物子结构间的相互作用强度由基于相似度的交互模块捕获。我们还在图编码前执行子结构丢弃增强以缓解过拟合。真实世界数据集的实验结果显示，我们所提模型达到了最先进性能。我们还通过案例研究展示了模型预测具有高度可解释性。
关键词
引用
@article{arxiv.2208.11267,
title = {Molecular Substructure-Aware Network for Drug-Drug Interaction Prediction},
author = {Xinyu Zhu and Yongliang Shen and Weiming Lu},
journal= {arXiv preprint arXiv:2208.11267},
year = {2022}
}
备注
Accepted to CIKM 2022 (Short), camera ready version