融合生物医学知识图谱和药物序列信息的药物-药物相互作用预测研究
李硕
贵州财经大学信息学院 贵州 贵阳 550025
摘要：药物-药物相互作用(DDI)预测是新药研发、临床试验和临床应用中的一项重要的任务.有效识别药物间潜在的DDI对患者和药企至关重要.目前深度学习和知识图谱技术可以有效地提取实体的特征,已被广泛用于DDI预测领域,并且取得了不错的效果.然而,以往基于机器学习的工作需要依赖大量的标记数据,基于深度学习的方法通常只考虑药物的分子结构特征信息,而较少考虑药物与其他生物医学对象之间的关系或拓扑信息,即药物的生物医学信息.为有效挖掘药物的生物医学信息和化学结构信息在DDI预测中的联合作用,提出了一种多尺度特征融合深度学习模型.首先构造药物数据集知识图谱,然后使用加入了注意力机制的图神经网络(GNN)来捕获知识图谱中药物对之间的高阶邻域拓扑结构,对于简化分子线性输入规范(SMILES)特征,采用卷积神经网络(CNN)提取药物分子的局部化学结构特征,然后通过双向门控循环单元(Bi-GRU)来捕获分子序列的时序依赖,最后拼接两个模块得到的特征.实验结果表明,在两个数据集DrugBank和KEGG上对比基线模型,所提出模型的准确率分别提高了0.71%和0.81%.
关键词：DDI知识图谱图神经网络卷积神经网络双向门控循环单元
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 73-76,80 )