基于药物互作网络的协同与拮抗预测研究

药物的协同与拮抗关系预测,有助于药物的使用安全及组合用药的发展。该文从药物互作网络(DDINet)出发,基于网络拓扑结构构造分类特征,提出一种预测药物协同和拮抗关系的方法。从特征选择结果可知,根据药物与其公共邻居节点关系构造的特征表现出了明显的正负样本分布差距,能有效地反映出药物的协同或拮抗关系。在使用不同特征分类器的分类结果中,最优AUC和分类精度值分别达到了0.9687和0.9187。而在协同与拮抗关系预测结果中,其预测精度值达到了0.45和0.75以上。这说明基于网络拓扑结构的方法能有效对药物协同和拮抗关系进行分类和预测。与传统基于药物功能、结构、靶基因等相似性特征的方法相比,该方法计算简单高效,将会有效促进组合用药的发展。

基于符号图卷积网络的药物互作用关系预测

药物相互作用(DDI)是指两种或两种以上药物在药理行为方面的相互影响.大多数现有计算方法都是针对传统的二元预测而设计的,即确定DDI是否发生.然而,确定DDI是增强的还是抑制的,对于治疗和护理病人更具意义.受图神经网络启发,尝试利用符号图卷积网络来预测DDI的符号.将该问题转换为一个嵌入问题,然后通过对数几率回归获得DDI类型.结果表明,符号图卷积网络在该问题上表现良好,具有可行性.