【标题】Counterfactual Explanation with Multi-Agent Reinforcement Learning for Drug Target Prediction 【作者团队】Tri Minh Nguyen, Thomas P Quinn, Thin Nguyen, Truyen Tran 【研究机构】迪肯大学 【发表时间】2021.3.24 【论文链接】原文链接 【推荐理由】本文提出了MACDA(多智能体反事实药物-目标结合亲和力)的多智能体强化学习框架，为药物-目标结合亲和力模型生成反事实解释。其使用强化学习来生成反事解释，该反事实解释最大化结合亲和力的变化与原始解释之间的相似性。研究表明了该框架的优越性。

已有几种精确的深度学习模型来预测药物-目标亲和力(DTA)。然而，所有这些模型都是黑箱，因此很难解释和验证其结果，因此有被接受的风险。为了使DTA模型更加可信，解释是必要的。反事实的解释提供了人类可以理解的例子。大多数反事实解释方法仅对表格或连续形式的单个输入数据起作用。相反，DTA模型有两个离散的输入。对反事实生成框架来说，同时优化两个离散输入是具有挑战性的。本文提出了一个多智能体强化学习框架，多智能体反事实药物目标结合亲和力(MACDA)，为药物-蛋白质复合物生成反事实解释。该框架提供了人类可解释的反事实实例，同时优化了反事实生成的输入药物和目标。在戴维斯数据集上的结果显示了所提出的MACDA框架与先前研究相比具有较大的优势。 图1：基于MARL的药物-目标结合亲和力生成框架

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