AI医药方向论文总结（包含DDI和DDS，重点分析药物联合预测）

（提醒：本文模型图只是放了缩略图让大家了解个大概，建议还是看原论文中的模型图。）

现有的DDI预测方法？

DDI预测方法主要分为两类：基于药物结构特征相似性的方法和基于图的方法。

1 similarity-based：（假设化学结构相似的药物具有相似的DDI）

• **DeepDDI模型

  Deep learning improves prediction of drug–drug and drug–food interactions.

  Proceedings of the National Academy of Sciences，2018

  这是第一个将深度学习应用于药物预测的模型。利用药物的SMILES数据生成药物对的结构相似性剖面（SSP），然后通过PCA降维将其送入深度神经网络（DNN）进行分类。
  

• DeepDDI模型优化1

Novel deep learning model for more accurate prediction of drug-drug interaction effects

BMC Bioinformatics，2019

在DeepDDI的基础上添加了两个新数据，其方法类似于药物SMILES数据生成的SSP：目标基因数据生成TSP（目标相似性档案）和基因本体（GO）生成GSP（基因本体术语相似性档案）。这三个特征向量通过一个改进的编码器进行降维，然后连接成一个单一的药物对特征向量，放入DNN进行训练。改进后的模型数据量大，精度高。

• DeepDDI模型优化2

A multimodal deep learning framework for predictingdrug–drug interaction events

Bioinformatics，2020

在DeepDDI的基础上提出了一个多态性深度学习模型，该模型使用筛选的完整信息进行训练。它可以利用与多种药物相关的信息进行更有效的学习，具有更高的准确性。基于药物特征的方法在已知数据集上具有较高的准确性，但也存在一定的局限性。

• DDI-BLKG模型

Drug-Drug Interaction Prediction on a Biomedical Literature Knowledge