利用知识图谱预测药物-药物相互作用
人工智能
2023-08-14 v2
摘要
近几十年来，人们服用并联合使用的药物较以往更多，导致药物-药物相互作用（DDIs）数量增加。为预测未知 DDI，近期研究开始引入知识图谱（KGs），因其能捕捉实体间关系，提供优于单一药物属性的药物表示。本文提出 medicX 端到端框架，将来自公共药物库的若干药物特征整合进 KG，并使用多种基于平移、分解和神经网络（NN）的知识图谱嵌入（KGE）方法对图中节点进行嵌入。最终，我们使用机器学习（ML）算法预测未知 DDI。在不同基于平移和分解的 KGE 模型中，我们发现表现最佳的组合是 ComplEx 嵌入方法与长短期记忆（LSTM）网络，其在基于 DrugBank 5.1.8 中 DDI 的数据集上获得 95.19% 的 F1 分数，比最先进模型 DeepDDI 高 5.61%。此外，我们还开发了使用图神经网络（GNN）的图自编码器模型，其 F1 分数达 91.94%。因此，GNN 展现出比 ComplEx 模型更强的挖掘 KG 底层语义的能力，在 GNN 中使用更高维嵌入可取得最先进性能。
引用
@article{arxiv.2308.04172,
title = {Predicting Drug-Drug Interactions Using Knowledge Graphs},
author = {Lizzy Farrugia and Lilian M. Azzopardi and Jeremy Debattista and Charlie Abela},
journal= {arXiv preprint arXiv:2308.04172},
year = {2023}
}