这篇文献，是近两年DDI(Drug-Drug interactions)预测的相关文献中，引用相对较高的文献。

论文链接：

https://www.pnas.org/content/115/18/E4304

代码：

https://bitbucket.org/kaistsystemsbiology/deepddi

仅需Drug name和Drug structural information作为输入，就可以做四类任务：1）预测引起ADEs(adverse drug events)的DDI；2）可选择的药物推荐；3）预测食物成分和药物交互的影响；4) 食物成分的活性预测。

DeepDDI由两部分组成：a. 结构相似谱(Structural similarity profile)SSP; b.深度神经网络。SSP是通过计算药物和药物化学结构的相似性后得到的一个向量表征。DNN是一个多标签的模型，有8个隐藏层的简单神经网络。DeepDDI网络输入：a. SMILES格式的化学结构; b. 一对药物的名字。DeepDDI输出是预测的86个DDI types概率。如果某一类的概率大于阈值0.47，就认为出现这个DDI type。DeepDDI的训练数据是来自DrugBank中覆盖了191878 药物对的标准DDI数据集。

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