RGDA-DDI：基于残差图注意力网络和双重注意力的药物相互作用预测框架
分子网络
2024-08-29 v1 计算工程、金融与科学
机器学习
摘要
近期研究表明，通过计算方法进行药物相互作用（DDI）预测对于理解多种药物的功能和联合处方具有重要意义。然而，现有的计算机模拟DDI预测方法要么忽略了药物-药物对（DDP）之间的潜在相互作用，要么未能显式地建模和融合多尺度药物特征表示以实现更好的预测。在本研究中，我们提出了RGDA-DDI，一个基于残差图注意力网络（residual-GAT）和双重注意力的药物相互作用预测框架。引入了一个残差GAT模块，用于同时从药物和DDP中学习多尺度特征表示。此外，构建了一个基于双重注意力的特征融合块，用于学习局部联合交互表示。一系列评估指标表明，RGDA-DDI在两个公开基准数据集上显著提升了DDI预测性能，为药物开发提供了新的见解。
引用
@article{arxiv.2408.15310,
title = {RGDA-DDI: Residual graph attention network and dual-attention based framework for drug-drug interaction prediction},
author = {Changjian Zhou and Xin Zhang and Jiafeng Li and Jia Song and Wensheng Xiang},
journal= {arXiv preprint arXiv:2408.15310},
year = {2024}
}