基于多任务消息传递神经网络的药物不良反应预测

对已知药物不良反应和药物蛋白质链路分别构建二分图,并分别基于消息传递神经网络(MPNN)和TransE模型进行建模,同时以交叉压缩单元(CCU)作为共享单元,联结药物不良反应预测和药物蛋白质链路预测,构建多任务MPNN(MT-MPNN)模型,提高对未知药物不良反应的预测效果。对SIDER公开数据集的89855例样本数据和DrugBank的5928例数据进行五折交叉验证,实验结果显示,在测试集上其平均受试者工作特征曲线下面积(AUROC)和平均F1值分别为0.9469和0.8753,表明本研究提出的MT-MPNN模型可以辅助临床有效挖掘潜在未知的药物不良反应。