今天给大家分享的是西安电子科技大学的鱼亮教授发表在Bioinformatics上的一篇论文"Multidrug Representation Learning Based on Pretraining Model and Molecular Graph for Drug Interaction and Combination Prediction "。作者设计了一个基于预训练模型和分子图的多药表示学习的计算框架MGP-DR，以预测DDI和药物组合。大量实验表明，与其他最先进的方法相比，作者的模型可以实现更为优异的预测性能。

动机：疾病的诊断和治疗往往采用多药治疗，因为它可以增加疗效或减少药物的毒副作用，同时使用不同的药物可能会引发意想不到的药理作用。因此，有效识别药物相互作用对于治疗复杂疾病至关重要。目前提出的计算方法往往受到冗余药物特征的收集、标记数据量少、模型泛化能力低的限制。同时，多药表征学习也缺乏独特的方法，使得原本稀缺的数据更难以充分利用。
结果：受图模型和预训练模型的启发，作者整合了大量未标记的药物分子图信息和靶点信息，然后设计了一个预训练框架 MGP-DR，专门用于药物对的表示学习。该模型使用自监督学习策略来挖掘药物分子内部和之间的上下文信息，以预测药物-药物相互作用和药物组合。与其他最先进的方法相比，该结果在多个指标上取得了良好的表现。 
论文地址：https://doi.org/10.1093/bioinformatics/btac538
代码地址：https://github.com/LiangYu-Xidian/MGP-DR

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