基于邻域关系感知图神经网络的DDI预测

来源：计算机工程与科学杂志2024年第5期北京时间：

作者：雷志超, 蒋嘉俊, 马驰卓, 周文静, 王楚正

单位：中南林业科技大学计算机与数学学院，湖南 长沙 410004

摘要：研究药物的相互作用DDI有助于临床用药与新药研发。现有的研究技术没有充分考虑药物知识图谱中药物实体与其他药物、靶标和基因等实体的拓扑结构，以及实体之间不同关系的语义重要性。针对这些问题，提出基于邻域关系感知的图神经网络模型NRAGNN预测药物的相互作用。首先，使用图注意力学习不同关系边的权重与特征表示，强化药物实体的语义特征；然后，生成药物实体周围不同层的邻域表示，捕获药物实体的拓扑结构特征；最后，将2种药物特征表示向量进行逐元素相乘得到药物相互作用分数。实验预测结果表明，提出的NRAGNN模型在KEGG药物数据集上的ACC、AUPR、AUC-ROC和F1指标分别达到了0.899 4,0.944 4,0.956 7和0.902 3，优于当前的其他模型。

关键词：drug-drug interaction,knowledge graph,neighborhood relation-aware,graph attention network,semantic feature,

基金资助：国家自然科学基金(61602528)