https://github.com/microsoft/Drug-Interaction-Research/tree/DSN-DDI-for-DDI-Prediction
具体结果如上图所示,由于DSN-DDI有效的双视图架构,模型可以成功的迁移到此任务上,并且能达到目前最好的预测结果。 结论 作者提出一个名为DSN-DDI的药物相互作用预测框架,该框架采用药物局部学习模块和药物全局学习模块,同时从单一药物(“intra-view”)和药物对(“inter-view”)这两个视图中学习药物的子结构。作者通...
在大多数 DDI 预测算法中,药物表示学习是用于 DDI 预测的 GNN 消息传递模块中的单视图过程,仅对药物本身的信息进行编码,因此可能会阻碍 DDI 预测准确性的提高。 有一些工作尝试将双视图表示学习应用于 DDI 预测 。 MHCADDI 是一种最先进的算法,设计了药物结构之间的外部消息传递机制,以在单个药物的表示学习阶段整...
近日,由微软研究院科学智能中心研究团队与湖南大学DrugAI团队共同研究的一项最新成果“DSN-DDI:an accurate and generalized framework for drug-drug interaction prediction by dual-view representation lear…
代码链接:microsoft/Drug-Interaction-Research at DSN-DDI-for-DDI-Prediction (github.com) 本文创新和贡献: DSN-DDI 采用了局部和全局的迭代表示学习模块,充分利用药物表征和药物对表征来进行子结构提取和药物相互作用 (DDI) 预测。 DSN-DDI 在转导设置和感应设置方面均达到了最先进的性能,并显示出对真实世界 DDI...