面向药物重定位和冷启动的结构增强多模态药-疾病预测模型 SMPR
机器学习
2025-03-18 v1
摘要
药物-疾病关系的重定位始终是研究的热门领域。然而，实际经验证实的药物重定位案例仍非常有限，现有模型尚未充分利用药物的结构信息。此外，大多数重定位模型仅用于完成关系矩阵，其实际应用性在处理药物冷启动问题时较差。本文提出一种结构增强多模态关系预测模型 (SMRP)。SMRP 基于药物的 SMILE 结构，使用 Mol2VEC 方法生成药物嵌入表示，通过异构网络图神经网络学习疾病嵌入表示。最终构建药物-疾病关系矩阵。此外，为降低用户使用难度，SMRP 还提供基于结构相似性的冷启动界面，以简单快速地预测药物相关疾病。从多个角度验证了模型的重定位能力和冷启动能力。虽然重定位的 AUC 和 ACUPR 分别达到 99% 和 61%，但冷启动的 AUC 达到 80%。特别是，冷启动 Recall 指标可超过 70%，这意味着 SMRP 对正样本更敏感。最后，通过案例分析验证了模型的实际价值，并通过可视化分析直接展示了结构对模型改进的贡献。为快速使用，我们还提供了模型的本地部署并将其封装为可执行程序。
引用
@article{arxiv.2503.13322,
title = {SMPR: A structure-enhanced multimodal drug-disease prediction model for drug repositioning and cold start},
author = {Xin Dong and Rui Miao and Suyan Zhang and Shuaibing Jia and Leifeng Zhang and Yong Liang and Jianhua Zhang and Yi Zhun Zhu},
journal= {arXiv preprint arXiv:2503.13322},
year = {2025}
}