今天介绍的是西北工业大学施建宇老师、于会老师发表在Information Sciences上的一篇文章“RANEDDI: Relation-aware network embedding for drug-drug interaction prediction”。本文提出了一种基于多关系网络的药物嵌入学习方法，用来预测药物-药物相互作用。
在本文中，作者提出了一种端到端的学习模型，称为RANEDDI，用于药物-药物相互作用(DDI)预测。不同于现有的方法，RANEDDI假定不同的关系对药物嵌入可能有不同的影响,通过结合DDI网络的多关系信息和关系感知的网络结构信息，RANEDDI可以学习更富有表现力的药物表示。这对DDI预测的下游任务有一定的帮助。利用两个真实数据集，将所提出的方法与几种最先进的基线方法进行了比较，结果表明，RANEDDI是一种有效的方法，可用于二元关系和多关系预测。案例研究也验证了RANEDDI的性能，消融研究表明关系感知网络结构嵌入学习可以有效提高DDI预测性能。此外，RANEDDI在二元DDI预测中具有良好的鲁棒性，即使在数据稀缺的情况下，也能表现出良好的性能。
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
评论
沙发等你来抢