【摘 要】
:
随着生物制药技术的快速发展,药物相互作用(Drug-Drug Interactions,DDI)已成为医学领域对药物研究的重要研究内容。药物相互作用是指当两种或多种药物同时使用时,其中一种药物可以影响另一种药物的药效,导致不良反应、拮抗作用或协同作用。因此,预测DDI是临床医生和药物研发人员需要重视的问题。现在有许多计算方法和工具可用于预测DDI,包括基于结构、药物代谢途径和药物-靶标相互作用等方
论文部分内容阅读
随着生物制药技术的快速发展,药物相互作用(Drug-Drug Interactions,DDI)已成为医学领域对药物研究的重要研究内容。药物相互作用是指当两种或多种药物同时使用时,其中一种药物可以影响另一种药物的药效,导致不良反应、拮抗作用或协同作用。因此,预测DDI是临床医生和药物研发人员需要重视的问题。现在有许多计算方法和工具可用于预测DDI,包括基于结构、药物代谢途径和药物-靶标相互作用等方面的方法。这些方法可以提高DDI的预测精度和效率,并在新药开发和临床应用中发挥重要作用。然而,预测DDI仍然是一个具有挑战性的问题,需要进一步研究和改进。针对现有的药物相互作用预测算法大多未能很好地整合药物分子特征和药物相互作用网络结构等问题,本文提出了一种基于深度多模态特征融合的DDI预测算法DMFDDI,该算法融合药物分子图、药物相互作用网络和药物的生物化学特征相似性等多种特征来预测DDI。在药物分子结构提取模块,为了充分提取药物分子结构,引入注意力门控图神经网络来获取分子图的全局特征和每个原子的局部特征。在药物相互作用网络特征提取模块,引入稀疏图卷积网络来学习DDI网络的拓扑结构信息。在多模态特征融合模块中,采用注意力机制有效地融合不同特征。为了验证DMFDDI的性能,本文将其与八种当前先进的算法进行了比较。对比实验的结果表明,DMFDDI在DDI预测中具有较好的性能。同时通过消融实验,分析了算法的不同模块对性能的影响。通过案例分析验证了DMFDDI预测结果的可解释性。针对现有的药物相互作用预测算法较少涉及到多类型预测的问题,本文提出了一种基于多图卷积以及特征深度融合的多类型药物相互作用预测算法MGDF。为研究多类型药物相互作用的预测,首先根据特征相似性构建最近邻视图,并在局部拓扑关系的邻接视图外添加了一个扩散视图,集成多个视图有助于捕获更全面的药物特征;同时,在图卷积模块加入多头注意力机制和残差连接来改进模型;最后,分别在特征提取模块以及特征融合模块进行特征提取和融合,引入注意力机制将不同的药物特征进行有效融合,从而更全面地表征药物,提高药物嵌入信息的丰富度。为了验证MGDF的性能,本文将其与六种当前先进的方法进行了比较。对比实验的结果表明,MGDF在DDI多类型药物相互作用预测中具有较好的性能,并通过消融研究验证了MGDF模型各个模块对预测结果的贡献。
其他文献
鉴于图表示学习是一种将图结构转化为向量表示的方法,探讨了其在社交网络、生物网络、贸易网络和计算机网络等各个领域的应用情况;为了梳理图表示学习的发展历程,用全面的视角了解不同方法以及相关应用,综述了图嵌入和图神经网络这2类重要的图表示学习的研究进展;详细介绍了其中几个经典的算法;重点阐述了图表示学习在生化医疗领域的应用;深入讨论了图表示学习领域所面临的难点和挑战以及未来可能的研究方向.
青年马克思通向历史唯物主义的思想征途,在一定程度上也是打破黑格尔对世界秩序的神正论解读进而发现社会历史之真实本质的过程。在历史唯物主义的视野中“,世界秩序”不仅具有现实的国际关系的意涵,更是关于人类自由和解放的哲学范畴。青年马克思在思想史上第一次从物质生产的历史性过程出发对世界秩序的产生、演变和前景进行全面论述,实现了世界秩序的政治哲学阐释在本体性逻辑和方法论视角上的双重变革。不过,这并不意味着就
提出了一种基于异构图神经网络(HGNN)的药物重定位方法。该方法对药物-疾病关联网络、药物-药物相似性网络和疾病-疾病相似性网络的信息进行并行融合,有效地保留了各个网络的信息。此外,针对图卷积神经网络(GCN)提取信息能力的不足,本工作加入了图注意力网络(GAT)和层注意力机制,增强了特征提取能力,进一步提高了模型的预测性能。实验验证表明,提出的网络在Fdataset上达到了94.4%的AUROC
新药开发需要耗费很高的成本,建立高效且高准确度的药物新适应症预测方法非常重要,提出一种基于图神经网络协同过滤的药物疾病关联预测方法,获取药物与疾病治疗关系中的信息并结合药物相似性获得更好的预测表现。首先通过图神经网络提取药物-疾病治疗关系数据中的协作信号细化药物嵌入,然后利用嵌入计算药物之间的治疗关系相似性,再结合药物化学结构、蛋白质和副作用相似性预测药物的新作用。与现有的协同过滤方法在相同数据集
随着人工智能的快速发展,深度学习已经在图像、文本和语音等可在欧式空间表示的数据中取得了巨大成功,但却一直无法很好地应用于非欧式空间。近年来,随着图神经网络的出现,其已经在非欧几里得空间中展现出了强大的表示学习能力,并广泛应用于推荐系统,自然语言处理以及机器视觉等众多领域。图神经网络模型基于信息的传播机制,具体地,图中的目标节点通过聚合邻居节点的信息,以更新自身的嵌入表示。利用图神经网络,我们可以将
变压器直流电阻的测量及结果分析是电力行业运维过程中的核对工作之一。本文主要介绍了直流电阻测量方法的原理,以及方法的改进依据,并运用实例对方法进行对比,从而给出相关检测建议。
文章基于慕课概述,首先分析了慕课教学模式的优点,然后提出了慕课视域下高校教学改革策略,包括做好顶层规划设计,优化平台资源配置;树立科学教育理念,完善多元评价体系;增加课程学习黏度,提高资源使用效率;等等。
住宅及内装工业化能够节约资源、提高效率和降低成本,在中国虽有政策支持和较大的市场空间却发展不力。本文以日本为例,探究其政策如何支持住宅内装工业化发展,产业系统如何可持续运转,分析日本在政策引导、产业机制、市场协调、国民意识、本土化等方面的现实做法,为我国产业发展和可持续运转提供启发。
本文简要回顾了发行纪念专刊的初衷和目的,总结了纪念专刊收录22篇文章的领域和范围,并对部分文章主要内容做了简单评述。
预测药物与蛋白质的相互作用在新药物设计过程中,一直是一个重要的研究内容,然而采用传统的生物实验完成需要耗费大量的时间和物质成本。近年来,随着人工智能与大数据的不断发展,基于机器学习预测药物与蛋白质的相互作用的算法逐渐出现,但这些算法都存在不能大规模预测、预测精度低和所需先验信息难以获取等问题。为此,本文提出了基于图神经网络的蛋白质与药物/蛋白相互作用的预测算法,研究工作有以下3个内容:(1)为有效