10.3969/j.issn.0258-8021.2023.04.008
基于多特征融合的药物疾病关联预测模型构建
构建基于药物多特征融合的药物疾病关联预测模型,为药物知识发现提供新思路.借助药物的化学结构、药物-副作用关联、药物-靶标关联的3个特征,构建融合的药物综合相似度及基于MeSH的疾病语义相似度特征表示方法.利用图卷积神经网络模型抽取药物-疾病图数据特征信息,构建基于多特征融合的药物疾病关联预测模型(MFFGCN),进而实现未知的药物疾病关联发现.利用269种药物、598种疾病及其之间的18 416种关联关系,对药物疾病存在的未知关联进行预测,借助AUC、AUPR、准确率、灵敏度、召回率、F1等多个评价指标进行评价.结果表明,多特征融合的药物疾病关联预测方法的AUC指标为0.866 2,较单一特征的平均预测指标最大相对提升为2.48%,较4种代表性基线方法的指标最大相对提升为1.67%;AUPR指标为0.341 2,较单一特征预测结果最大相对提升为1.67%,较4种代表性基线方法提升27.49%.对预测结果中药物-疾病预测关联得分中排名前10的组合及阿霉素为例的单一药物预测组合进行文献研究验证、临床治疗验证,同样证明MFFGCN在未知的药物疾病关联预测上表现良好,能有效地发现药物的新适应症,为药物重定位提供方法借鉴和理论依据.
多特征融合、药物、疾病、关联预测、图卷积神经网络
42
R318(医用一般科学)
国家社会科学基金;中国工程科技知识中心建设项目;中国医学科学院创新工程重大协同创新项目
2023-11-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
453-460