1.药物相互作用是指两种或多种药物同时使用时,其中一种或多种药物的效果发生改变的现象。这种改变可以是增强(正相互作用)或减弱(负相互作用),也可能是产生新的效果(新效应)。 2.药物相互作用可以发生在药物的药效学方面,即药物对机体的作用发生变化;也可以发生在药动学方面,即药物在体内的吸收、分布、代谢和排泄...
因此,SSIM通过突出重要的子结构,而不强调次要的子结构用于DDI预测,从而对子结构-子结构相互作用进行建模。SA-DDI超过了其他方法,且SA-DDI对药物的结构信息敏感,能够检测DDI的关键子结构。这些优点表明,该方法提高了DDI预测建模的泛化和解释能力。 背景 药物-药物相互作用(drug-drug interaction,DDI)会对人体产生难以预...
在药物相互作用网络中,节点代表药物,边代表药物间的相互作用。这一网络模型可以被用于预测药物疗效和副作用,或者设计新的化学物质用于治疗疾病。 拓扑学分析方法 拓扑学分析是网络科学中常用的一种方法,旨在研究网络的结构。在药物相互作用网络中,拓扑学分析是一个可以用于分析网络结构和属性的有用工具。以下是本文介绍...
1.药物相互作用网络的构建 药物相互作用网络是指将不同药物及其相互作用关系表示为网络结构的一种模型。构建该网络需要从多个数据源中获得相关信息,如药物化学结构特征、药物活性信息、靶标信息等。这些信息被转化为网络的节点和边,节点代表具体的药物,边表示药物之间的相互作用关系。通过整合多种数据,可以构建复杂网络模...
药物相互作用是指多种药物在体内的相互影响,可能导致药物的疗效增强或减弱,甚至产生不良反应。通过分析和预测药物相互作用,可以在药物研发、药物治疗等领域提供重要的指导和决策依据。 药物相互作用网络分析与预测的基本原理是利用大量的药物和反应数据构建药物相互作用网络,通过网络拓扑学、机器学习、统计学等方法对药物...
为了捕捉靶点与药物之间的交互影响，作者创新性地的将两个Interformer与改进的CMPNN结合起来，设计了相互作用神经网络(MINN)。在实验中，模型在基准数据集上取得了优越的性能。同时，通过案例研究表明，从模型的注意力权重可以推断出靶体残基和药物原子对DTI形成的个体贡献，这表明文章的方法具有一定的可解释性，从而有...
清华大学、第四范式(4Paradigm)以及腾讯 Jarvis Lab 的研究人员提出了 EmerGNN,这是一种图神经网络,可以利用生物医学网络中的丰富信息来有效预测新兴药物的相互作用。 EmerGNN 通过提取药物对之间的路径、将信息从一种药物传播到另一种药物以及在路径上结合相关的生物医学概念来学习药物的成对表示。生物医学网络的边缘...
作者提出了CNN-DDI,一种使用卷积神经网络(CNN)架构来预测药物与药物相互作用(drug-drug interaction,DDI)的新型算法。首先,作者从药物类别、靶标、作用的通路和酶作为特征向量提取特征相互作用,并采用Jaccard相似性作为药物相似性的测量。然后,根据药物功能的表示,作者构建了一个新的卷积神经网络作为DDI的预测模型。
药物相互作用(DDI)是指服用一种药物影响人体内另一种或多种药物的情况。这种相互作用可以是协同的,也可以产生全新的效果。由于单一药物能够治愈的疾病很少,因此多种药物联合治疗对于大多数疾病都比单一治疗更有效,这间接导致了具有副作用的DDI的出现。因此,DDI预测在药物发现和临床研究中至关重要。
药物重定位是为了发现现有药物的新用途。在众多的药物重定位方法中，预测药物-药物相互作用(DDIs)有助于探索药物的药理功能，从而获得潜在的药物用于新的治疗。许多模型已被应用于预测DDI。DDI网络由已知的DDI构成，然而，DDI的功能是不同的，因此将它们集成到一个DDI图中可能会忽略一些有用的信息。作者提出了一种多...