基于机器学习的药物-药物相互作用预测–通过整合药物表型、治疗、化学和基因组特性
论文题目 | Machine learning-based prediction of drug–drug interactions by integrating drug phenotypic, therapeutic, chemical, and genomic properties |
---|---|
论文出自 | JAMIA |
文章目录
一、模型框架?
提出了一个异构网络辅助推理(HNAI)框架来帮助预测 DDI。
用于预测药物-药物相互作用 (DDI) 的异构网络辅助推理 (HNAI) 框架。
(A) 从 DrugBank 数据库中收集全面的 DDI 数据集并构建 DDI 网络。
(B) 计算四种药物-药物对相似性。 表型相似性基于全面的药物-不良药物反应网络,治疗相似性基于药物解剖学治疗化学(ATC)分类系统,结构相似性源自化学结构数据,基因组相似性基于大药物-靶点 来自 DrugBank 和治疗目标数据库的交互网络。 使用先前公布的方法计算药物表型、治疗和结构相似性。
(C) 基于机器学习的 HNAI 模型的构建和评估。
主要步骤:
1、首先构建了一个全面的 DDI 网络,其中包含 6946 个独特的 DDI 对&#x