换一批基于多任务消息传递神经网络的药物不良反应预测
Prediction of adverse drug reaction based on multi-task message passing neural network
摘要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89 855例样本数据和DrugBank的5 928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0.946 9和0.875 3,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.
更多相关知识
关键词
药物不良反应预测药物蛋白质链路预测多任务学习消息传递神经网络Adverse drug reaction predictionDrug-protein links predictionMulti-task learningMessage-passing neural network
栏目名称
DOI
10.3969/j.issn.1673-7571.2023.08.007
发布时间
2023-10-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广东省药品监督管理局科技创新项目（2022ZDZ06）
- 浏览73
- 被引3
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
