基于嵌入方法从异构数据预测药物-药物相互作用
机器学习
2021-03-22 v1
摘要
利用机器学习预测和发现药物-药物相互作用（DDIs）已被广泛研究。然而，大多数方法集中于文本数据或药物结构的文本表示。我们提出了首项工作，使用多种数据源，如药物结构图像、药物结构字符串表示以及药物关系的关联表示作为输入。为此，我们利用深度网络的最新进展来整合这些不同来源的输入以预测 DDI。我们使用针对药物独立不同数据类型的若干最先进（SOTA）方法进行的实证评估，清楚地证明了结合异构数据在预测 DDI 中的有效性。
引用
@article{arxiv.2103.10916,
title = {Predicting Drug-Drug Interactions from Heterogeneous Data: An Embedding Approach},
author = {Devendra Singh Dhami and Siwen Yan and Gautam Kunapuli and David Page and Sriraam Natarajan},
journal= {arXiv preprint arXiv:2103.10916},
year = {2021}
}
备注
10 pages, 6 figures, Accepted as a short paper to 'Artificial Intelligence in Medicine 2021'