基于Multiple Kronecker RLS融合的链接传播用于药物-副作用预测
机器学习
2024-07-02 v1 人工智能
摘要
药物-副作用预测已成为药理学领域的重要研究领域。随着药物使用的增加，这一领域的重要性也随之上升，以理解和缓解与之相关的潜在风险。目前，研究者们转向数据驱动方法来预测药物副作用。药物-副作用预测是一种链接预测问题，相关数据可以从各种角度进行描述。为了处理这类数据，提出了一种多视图方法，称为Multiple Kronecker RLS fusion-based link propagation (MKronRLSF-LP)。MKronRLSF-LP扩展了Kron-RLS，通过在多视图设置中寻找共识分区和多个图拉普拉斯约束。这两种多视图设置都有助于获得更高质量的结果。在药物-副作用数据集上进行了广泛实验，我们的实证结果提供了证据表明该方法有效且稳健。
引用
@article{arxiv.2407.00105,
title = {Multiple Kronecker RLS fusion-based link propagation for drug-side effect prediction},
author = {Yuqing Qian and Ziyu Zheng and Prayag Tiwari and Yijie Ding and Quan Zou},
journal= {arXiv preprint arXiv:2407.00105},
year = {2024}
}
备注
Transactions on Machine Learning Research (TMLR 2024)