基于邻域关系感知图神经网络的DDI预测OA北大核心CSTPCD

研究药物的相互作用DDI有助于临床用药与新药研发。现有的研究技术没有充分考虑药物知识图谱中药物实体与其他药物、靶标和基因等实体的拓扑结构,以及实体之间不同关系的语义重要性。针对这些问题,提出基于邻域关系感知的图神经网络模型NRAGNN预测药物的相互作用。首先,使用图注意力学习不同关系边的权重与特征表示,强化药物实体的语义特征;然后,生成药物实体周围不同层的邻域表示,捕获药物实体的拓扑结构特征;最后,将2种药物特征表示向量进行逐元素相乘得到药物相互作用分数。实验预测结果表明,提出的NRAGNN模型在KEGG药物数据集上的ACC、AUPR、AUC-ROC和F1指标分别达到了0.8994,0.9444,0.9567和0.9023,优于当前的其他模型。