admin管理员组

文章数量:1589821

基于图表示学习的药物相互作用预测

论文题目 Drug-drug Interaction Prediction with Graph Representation Learning
论文出自 BIBM 2019

文章目录

  • 基于图表示学习的药物相互作用预测
      • 一、现有DDI预测方法的不足之处？
      • 二、模型？
      • 三、各模块详细介绍？
        • 3.1 GCN
        • 3.2 Drug-drug Interaction Prediction
      • 四、实验结果？
      • 五、思考？

一、现有DDI预测方法的不足之处？

  • 可扩展性：依赖于不同的药物相关特征，导致在涉及大规模数据集时，大多数药物无法获得重要特征。
  • 可解释性

​ --》建立了一个全新的模型来解决这两个问题：

  • 小规模DDI数据集和大规模DDI数据集上的实验表明，与现有的各种先进方法相比，我们的模型可以实现更高的性能，这表明了我们模型的可扩展性。

  • 能够找到具有注意机制的最重要的局部原子，这些原子符合领域知识，具有一定的可解释性。

    （我们推断，局部化学亚结构是决定DDI发生的核心。因此，我们建议仅利用从分子图中提取的压缩结构信息来预测DDI。图卷积神经网络（GCN）可以有效地从不规则结构对象（如分子数据）中提取有用的特征）

二、模型？

  • 两个连续部分组成：
    • GCN：将不规则结构的分子数据</

本文标签： 医药论文drugAI

版权声明：本文标题：AI医药论文解读--Drug-drug Interaction Prediction with Graph Representation Learning 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dianzi/1728075993a1144479.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。