-
题名基于多任务消息传递神经网络的药物不良反应预测
被引量：1
- 1
-
-
作者
陈君恒
卢佩雯
韩芳芳
蔡永铭
-
机构
广东药科大学医药信息工程学院
国家药品监督管理局药物警戒技术研究与评价重点实验室
广东省中医药精准医学大数据工程中心
-
出处
《中国数字医学》
2023年第8期35-41,共7页
-
基金
广东省药品监督管理局2022年科技创新项目-药物警戒关键技术与评价体系研究与应用(2022ZDZ06)。
-
文摘
对已知药物不良反应和药物蛋白质链路分别构建二分图,并分别基于消息传递神经网络(MPNN)和TransE模型进行建模,同时以交叉压缩单元(CCU)作为共享单元,联结药物不良反应预测和药物蛋白质链路预测,构建多任务MPNN(MT-MPNN)模型,提高对未知药物不良反应的预测效果。对SIDER公开数据集的89855例样本数据和DrugBank的5928例数据进行五折交叉验证,实验结果显示,在测试集上其平均受试者工作特征曲线下面积(AUROC)和平均F1值分别为0.9469和0.8753,表明本研究提出的MT-MPNN模型可以辅助临床有效挖掘潜在未知的药物不良反应。
-
关键词
药物不良反应预测
药物蛋白质链路预测
多任务学习
消息传递神经网络
-
Keywords
Adverse drug reaction prediction
Drug-protein links prediction
Multi-task learning
Message-passing neural network
-
分类号
R969.3
[医药卫生—药理学]
R319
[医药卫生—药学]
-
-
题名基于核矩阵降维算法对药物不良反应的预测
- 2
-
-
作者
匡启帆
郭佳丽
李益洲
李梦龙
-
机构
四川大学化学学院
-
出处
《中国科技论文》
北大核心
2017年第24期2845-2849,共5页
-
基金
高等学校博士学科点专项科研基金资助项目(20120181110051)
-
文摘
药物不良反应(drug adverse reactions,ADRs)的早期准确鉴定对药物研发和临床用药安全具有重要的实际意义。基于计算机辅助预测药物的不良反应已经引起了越来越多的重视。将一种核矩阵降维(kernel matrix dimension reduction,KMDR)算法应用于药物不良反应的统计预测中,考察该方法在药物不良反应上的预测性能。通过与其他两种参考算法在相同标准数据集上进行交叉验证和独立测试的计算实验表明,KMDR算法是一种值得推广的预测药物不良反应的候选统计算法。
-
关键词
化学信息学
药物不良反应预测
核矩阵降维算法
-
Keywords
cheminformatics
drug adverse reactions prediction
kernel matrix dimension reduction method
-
分类号
R96
[医药卫生—药理学]
-
