生命科學技術學院魏冬青課題組開發(fā)全新的藥物-藥物相互作用(DDI)事件預測方法
近日，上海交通大學生命科學技術學院魏冬青課題組在生物信息學頂級刊物《Briefings in Bioinformatics》（IF:11.622）上發(fā)表題為“MDF-SA-DDI: predicting drug–drug interaction events based on multi-source drug fusion, multi-source feature fusion and transformer self-attention mechanism”的研究論文。該論文提出了一種基于多源藥物融合、多源特征融合和transformer自注意力機制的藥物-藥物相互作用(DDI)事件預測方法——MDF-SA-DDI。生命科學技術學院2021級碩士生林圣庚，博士后王艷菁和渥太華大學碩士生張凌峰為該論文的并列第一作者，生命科學技術學院魏冬青教授和熊毅副研究員為該論文的共同通訊作者。
聯(lián)合使用多種藥物的主要問題之一是：可能會引起藥物的不良相互作用和副作用，損害身體。因此，預測潛在的藥物相互作用非常重要。然而，現(xiàn)有的預測方法大多只能預測兩種藥物是否相互作用，能預測兩種藥物相互作用事件的方法很少。準確預測兩種藥物的相互作用事件對研究人員研究兩種藥物的相互作用機制更有幫助。本文提出了一種基于多源藥物融合、多源特征融合和transformer自注意力機制的藥物-藥物相互作用(DDI)事件預測方法——MDF-SA-DDI。MDF-SA-DDI主要由多源藥物融合和多源特征融合兩部分組成。首先，利用四種不同的藥物融合網(wǎng)絡(孿生網(wǎng)絡、卷積神經(jīng)網(wǎng)絡和兩個不同的自編碼器)來獲得藥物的四種不同的潛在特征向量對。然后，使用自注意力機制模塊進行隱特征融合。論文在兩個數(shù)據(jù)集上對三個不同的任務進行了實驗。在小數(shù)據(jù)集上，該模型在任務1上的AUPR和F1得分分別達到0.9737和0.8878，優(yōu)于最新的方法。在大數(shù)據(jù)集上，該模型對task 1的AUPR和F1評分分別達到0.9773和0.9117。在兩個數(shù)據(jù)集的任務2和任務3中，該模型也取得了與最好的模型相同或更好的性能。更重要的是，作者對五類DDI事件進行了案例研究，并取得了令人滿意的效果。源代碼和數(shù)據(jù)可以在https://github.com/ShenggengLin/MDF-SA-DDI上找到。
MDF-SA-DDI藥物相互作用預測模型架構
?
論文鏈接
https://pubmed.ncbi.nlm.nih.gov/34671814/
?
?
版權與免責聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com