本文介绍一篇来自浙江大学侯廷军教授课题组、中南大学曹东升教授课题组、浙江大学贺诗波教授课题组和腾讯量子实验室联合发表的一篇文章。该文章提出了基于知识图谱和推荐系统的药物靶标相互作用（DTI）预测新方法KGE_NFM。KGE_NFM在基于知识图谱的信息表征基础上，结合推荐系统方法—神经因子分解机（NFM）进行药物靶标相互作用预测，有效去除了复杂生物网络中的噪声，并整合了药物和蛋白结构信息的传统表征方式，进一步保证了该方法在真实场景下的高精度和高稳定性。

论文链接：https://www.nature.com/articles/s41467-021-27137-3

KGE_NFM 可以分为两个部分：（1）知识图谱的构建与表征向量的提取；（2） 基于神经因子分解机的多维度特征信息整合。KGE_NFM 的基本框架如下图所示。

KGE_NFM 的输入包括药物-靶标相互作用数据以及来源于不同组学的相关数据，其储存及输入格式为三元组。每个三元组包括头实体、关系及尾实体，头实体和尾实体相当于知识图谱中的节点，而关系则相当于知识图谱中的边。得到整合的知识图谱后，通过DisMult表征方法将知识图谱中的实体和关系以稠密向量的方式提取出。然后，将知识图谱中提取得到的表征向量作为异构信息的输入，将药物的分子指纹和蛋白的描述符作为结构信息的输入，通过embedding层和Bi-Interaction层提取交互信息，最后将这三类信息整合，通过全连接神经网络来获得输出。

内容中包含的图片若涉及版权问题，请及时与我们联系删除