今天给大家介绍发表在Scientific Reports上的一篇文章,“Drug-Drug interaction predicting by neural network Using integrated Similarity”。本文作者提出了一种基于神经网络的药物-药物相互作用预测方法NDD,利用多种药物信息预测未知的药物-药物相互作用。NDD首先使用启发式相似度选择过程,然后将选择的相似度与一种非线性相似度融合方法相结合,以获得高级别的特征,最后,使用神经网络进行交互预测。实验验证该网络可带来比基线方法更高的准确性。
1、背景
药物相互作用(DDI)预测是药物开发和健康中最关键的问题之一。提出合适的计算方法来高精度地预测未知的DDI是一项具有挑战性的工作。现有的针对DDIS的数据驱动预测方法通常依赖于单一信息源,而使用来自多个源的信息将有助于改进预测。
2、方法概述
2.1 选择相似性矩阵的最佳子集
图1