AI医药论文解读：Modeling Polypharmacy Side Effects with Graph Convolutional Networks

论文题目	Modeling Polypharmacy Side Effects with Graph Convolutional Networks
中文	使用图卷积网络对多药副作用进行建模
论文出自	Bioinformatics, 2018

---

目录

一、研究的目的？

二、模型介绍？

三、数据集以及数据处理？

四、图卷积编码器？

五、张量分解解码器？

六、实验结果比较？

七、思考？

---

一、研究的目的？

• 对于患有复杂疾病的患者，需要药物组合进行治疗。 然而，多重用药的后果是患者会出现很多不良反应。目前对于药物相互作用的了解是有限的。 因此，发现药物组合间的副作用是一个重要的挑战，对患者的死亡率和发病率具有重大影响。

• 之前的研究方法仅通过代表相互作用的概率分数来表征药物-药物相互作用，但不能预测副作用的确切类型。

二、模型介绍？

Decagon是一种对多种药物副作用进行建模的方法。

• 构建了由两种节点（药物、蛋白质）、三种关系（蛋白质-蛋白质相互作用、药物-蛋白质靶标相互作用和多药副作用）的异构图。副作用表示为药物-药物相互作用，其中每个副作用是不同类型的边。

        

• 节点 C（环丙沙星）靶向四种蛋白质并与其他三种药物相互作用。 C与D或S一起使用会增加心律失常(r2)的风险，并且其与M的组合会有胃出血 r1.

• 模型结构：

  • 一个编码器：作用在G上的图卷积网络，可以生成G中的节点嵌入。

  • 一个解码器：一个张量分解模型。