用于药物联用副作用预测的三图信息传播
机器学习
2020-01-29 v1 机器学习
摘要
药物联用常常导致药物联用副作用（POSE）。近期的一种方法将 POSE 预测表述为药物与蛋白质图上的链接预测问题，并使用图卷积网络（GCNs）求解。然而，由于 POSE 中关系的复杂性，该方法具有较高的计算成本和内存需求。本文提出一种灵活的三图信息传播（TIP）模型，该模型在三个子图上运行，通过从蛋白质-蛋白质图经蛋白质-药物图向药物-药物图传播，逐步学习表示。实验表明，TIP 将准确率提升 7% 以上，时间效率提升 83，空间效率提升 3。
引用
@article{arxiv.2001.10516,
title = {Tri-graph Information Propagation for Polypharmacy Side Effect Prediction},
author = {Hao Xu and Shengqi Sang and Haiping Lu},
journal= {arXiv preprint arXiv:2001.10516},
year = {2020}
}
备注
Presented at NeruIPS 2019 Graph Representation Learning Workshop