AI医药论文笔记--Deep learning improves prediction of drug–drug and drug–food interactions

最新推荐文章于 2025-04-30 16:06:04 发布
最新推荐文章于 2025-04-30 16:06:04 发布
阅读量1.6k 收藏 5
点赞数
分类专栏： AI与药物联合疗法 文章标签： 深度学习 人工智能 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiao_muyu/article/details/122021168
版权
DeepDDI模型结合结构相似谱(SSP)和深度神经网络(DNN)，预测药物-药物和药物-食物相互作用。输入包括药物名称和结构信息，输出为86种DDI类型的可读句子。相比传统方法，DeepDDI能提供更具体的药理作用描述，并在实验中表现出优于随机森林和K近邻算法的性能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

深度学习用于提高对药物-药物相互作用和药物-食物相互作用的预测

论文题目 Deep learning improves prediction of drug–drug and drug–food interactions
论文出自 PNAS,2018

一、研究背景？

之前方法：基于结构和其他相似性或药物靶标关联的方法开发了各种计算方法。

局限性：可以预测成对给定药物之间相互作用的概率，但没有在药理作用方面对 DDI 提供具体描述。

DeepDDI模型

输入：药物-药物或药物-食品成分对的名称及其结构信息

输出：生成 关于86 种重要的 DDI 类型的可读句子

DeepDDI 可以在服用某些药物时提供有关药物处方甚至饮食建议的重要信息，以及药物开发过程中的指南。

二、模型设计？

在这里插入图片描述

DeepDDI由两部分组成：

a. 结构相似谱(Structural similarity profile)SSP;（SSP就是通过计算药物和药物化学结构的相似性后得到的一个向

最低0.47元/天 解锁文章
AI医药论文解读--DPDDI：药物相互作用的深层预测器
xiao_muyu的博客
12-07 1410
DPDDI：药物相互作用的深层预测器 论文题目 DPDDI: a deep predictor for drug-drug interactions 论文出自 BMC Bioinformatics ，2020 论文链接：DPDDI: a deep predictor for drug-drug interactions 文章目录DPDDI：药物相互作用的深层预测器一、研究背景？二、DPDDI模型？三、各模块详细介绍？四、实验部分？五、总结与思考？ 一、研究背景？ 现有的计算方法大致可以分
AI医药方向论文总结（包含DDI和DDS，重点分析药物联合预测）
xiao_muyu的博客
12-08 5780
文章目录现有的DDI预测方法？1 similarity-based：（**假设化学结构相似的药物具有相似的DDI**）2 graph-based：3 其他方法：一些关于DDS的论文？AI医药方向的综述？ （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 lear
生物信息学|药物-药物相互作用的深层预测模型
ShenggengLin的博客
12-09 5297
本篇推文引自：DPDDI: a deep predictor for drug-drug interactions 1. 摘要     在本工作中，我们提出了一种新的方法(即DPDDI)，利用图卷积网络(GCN)和深度神经网络(DNN)模型作为预测器，从DDI网络中提取药物的网络结构特征，从而预测DDIs。GCN通过获取DDI网络中药物的拓扑关系来学习药物的低维特征表示。DNN预测器将任意两种药物的潜在特征向量串联起来作为对应药物对的特征向量，训练一个DNN，用于预测潜在的药物-药物相互作用。实验结果表明，
DeepDDI笔记
weixin_42324904的博客
04-26 834
DeepDDI不得不吐槽一下这篇论文排版实在是太难看了，所以我一直都没看，发现这里面有很多是我以前没有注意到的东西，说来也是我自己太菜了，搞DDI肯定是要针对数据集设计模型的，我每次都看模型怎么样，居然都没有重视到数据集的问题，太不应该了。 模型具体细节不必过于关注，是18年的老论文了，数据集倒是很少有描述得这么详细的，因为后面可能直接都是这样用的。 上图是附录里的部分 DrugBank里有192303个DDI，共99类， 类似于这种，在这99种DDI类型里，超过5个实例的有86种，所以就拿着
通过深度学习增强药药反应和药食反应的预测效果
Deep Dropout
04-24 2498
通过深度学习增强药药反应和药食反应的预测效果 通过深度学习增强药药反应和药食反应的预测效果 前言 背景 方法与实验 优点 缺点 相关的工作 结果 应用场景 讨论 我的想法 前言 还是不要不务正业了，重新回到DDI的怀抱之中。（笑） 这篇是PNAS（美国科学院）的论文，还是有点分量的……虽然我觉得有点水 本篇文章主要讲的是基于深度学习的药物副作用与药物宇食物的作用的预测...
SSIM——基于结构相似性的图像质量评价(matlab)
Cool_ben的博客
06-23 3万+
一、结构相似性（structural similarity）      自然图像具有极高的结构性，表现在图像的像素间存在着很强的相关性，尤其是在空间相似的情况下。这些相关性在视觉场景中携带着关于物体结构的重要信息。我们假设人类视觉系统（HSV）主要从可视区域内获取结构信息。所以通过探测结构信息是否改变来感知图像失真的近似信息。     大多数的基于误差敏感度（error sensitivity
生物医学网络中的图嵌入：方法，应用和评估
edwinhaha的博客
01-01 3098
文章目录1、研究背景2、图嵌入方法概述3 图嵌入在生物医学网络中的应用3.1 链接预测3.2 节点分类1）蛋白质功能预测2）医学术语语义类型分类3.3 总结4、实验4.1 Datasets4.1.1 链接预测4.1.2 节点分类预测4.2 实验设置4.3 链接预测结果4.4节点分类结果4.5 超参数的影响4.6实验结果总结5 讨论和未来方向6 总结 本文在https://zhuanlan.zhih...
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
DrugAI
08-13 3719
今天给大家介绍的是湖南大学信息科学与工程学院全哲教授课题组在IJCAI 2020会议上发表的一篇关于知识图神经网络预测药物与药物相互作用的文章。在本文中，作者提出了一个称为知识图神经网络（KGNN）的端到端框架，以预测药物与药物相互作用（DDI）。KGNN框架可通过在知识图谱（KG）中挖掘与药物关联的实体关系，以有效地获取药物及其潜在的邻居实体信息。为了提取KG中存在的高阶拓扑结构和语义关系，KGNN从KG中每个实体的邻域中学习作为它们的局部感知域，然后将当前实体表示的偏差及其邻域信息进行聚合。这...
哈佛CASTER | 基于化学子结构表征预测药物相互作用
DrugAI
11-28 1920
作者 | 陈雨洁指导 | 曾湘祥教授单位| 湖南大学研究方向 | 药物相互作用研究背景药物相互作用(DDI)是指病人在同时服用两种或两种以上的药物时，一种药物的药效受到另一种药物、食物...
Bioinformatics | 预测药物相互作用的多模式深度学习框架
DrugAI
05-30 2979
作者 | 陈雨洁审稿 | 罗潇澧今天给大家介绍华中农业大学信息学院章文教授课题组发表在Bioinformatics的一篇文章“ A multimodal deep learning fr...
SSIM(结构相似性)-数学公式及python实现
热门推荐
木盏
12-01 7万+
SSIM是一种衡量两幅图片相似度的指标。 出处来自于2004年的一篇TIP，标题为：Image Quality Assessment: From Error Visibility to Structural Similarity 地址为：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1284395 与PSNR一样，SSIM...
DrugBank模型数据集比较
weixin_42324904的博客
05-05 1303
https://www.pnas.org/doi/full/10.1073/pnas.1803294115 点开链接往下拉，数据集都是excel文件，还有一个是数据集的说明，我主要是想看这个 DrugBank数据集中有19万2303跳DDI数据，被分成了99中句子结构，每一种被描述成具体的DDI。 在这99一般句子结构中，有86种通用句子结构被拿来实验了，因为86种句子结构最起码和5个药物对相关。 因为这样的话，可以将数据分成训练集，验证集和测试集来进行训练。 结果是：86种DDI类型，19187
数字图像处理基础（翻译四）
pbImage的专栏
10-23 1553
主要理论点 1）线性轮廓（Line Profile） 2）亮度计算（Intensity Measurements） 3）结构化相似指标（Structural Similarity Index--SSIM） 4）归一化的SSIM（Normal SSIM） 5）快速SSIM （Fast SSIM） 线性轮廓（Line Profile）   线性轮廓描绘了图像中沿着一条直线的
AI医药论文解读--Drug-Drug Adverse Effect Prediction with Graph Co-Attention
xiao_muyu的博客
12-12 2659
基于图形协同注意的药物不良反应预测 论文题目 Drug-Drug Adverse Effect Prediction with Graph Co-Attention 论文出自 arXiv,2019 一、模型？ 提出了一种神经网络结构，通过利用Co-Attention机制，仅通过观察药物的化学结构来指示可能的副作用类型。 两个任务： 对于二元分类：输入是两种药物和一种副作用类型，需要二元决定药物x和y是否会产生副作用。 对于多标签分类：输入是一对两种药物（dx，dy），需要964个同时的二
在深度学习中，什么是线性插值（linear interpolation）？
weixin_44649780的博客
04-30 433
线性插值是寻找两个点之间中间值的最基础方法之一，广泛应用于：数值计算计算机图形学机器学习和深度学习它的标准公式是：x0,x1∈Rn：两个向量或标量t∈[0,1]：插值系数（0 表示完全靠近 x0，1 表示完全靠近 x1​）它对应的是两个点之间的一条线段轨迹。线性插值就是“在两个已知点之间，按一定比例找到中间点”的方法，无论是图像、特征、模型参数，它都可以用来“平滑地过渡”。📢 想要了解更多内容，可在VX小程序搜索🔍AI Pulse,获取更多最新内容。
远程深度学习新环境配置流程
weixin_45668967的博客
04-30 285
下载并安装适合你系统的 Miniconda 版本。
Transformer：颠覆深度学习的架构革命与技术演进
源滚滚编程
04-30 1670
2017年，谷歌团队在论文《Attention Is All You Need》中提出的Transformer架构，彻底改变了人工智能对序列数据的处理范式。通过这种机制，模型能够自动识别并强化相关位置的语义关联，例如在句子“The cat sat on the mat”中，“cat”与“sat”的关联权重显著高于其他无关词汇。其核心思想是：每个位置的输入向量通过**查询（Query）、键（Key）、值（Value）**三个矩阵变换，动态计算与其他位置的关联权重。，实现了全局上下文感知与并行计算的完美平衡。
《解锁LibTorch：开启C++深度学习新征程》
最新发布
zheng_ruiguo的专栏
04-30 682
LibTorch 作为 PyTorch 的 C++ 接口，凭借其独特的优势在深度学习领域占据了重要的一席之地。它不仅继承了 PyTorch 的动态计算图和自动求导机制，还充分发挥了 C++ 语言的高性能和低延迟特性，为深度学习的研究和应用提供了强大的支持。从功能特性上看，LibTorch 在张量操作、神经网络训练与推理、多平台支持以及与 Python 的互操作性等方面表现出色。其张量操作接口简洁高效，与 PyTorch 类似，方便开发者快速上手。
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版，附源码）
IT徐师兄
04-27 1148
基于Python Flask的深度学习电影评论情感分析可视化系统（2.0升级版），集成了Flask框架与先进的word2vec向量模型，能够自动解析影评文本的情感倾向，精准评估电影的好评与差评比例，并通过直观的可视化界面展示分析结果。该项目通过大数据技术分析海量影评，量化好评与差评的分布，为电影评论提供全面的汇总评价分析。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值