基于特征融合与注意力机制的药物互作模型:MDF-SA-DDI

2024-03-11 00:08

本文主要是介绍基于特征融合与注意力机制的药物互作模型:MDF-SA-DDI,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

论文题目:MDF-SA-DDI: predicting drug–drug interaction events based on multi-source drug fusion, multi-source feature fusion and ransformer self-attention mechanism

论文来源: Briefings in Bioinformatics,00(00), 2021,1–13

网址:https://academic.oup.com/bib/advance-article-abstract/doi/10.1093/bib/bbab421/6406700?redirectedFrom=fulltext

代码: GitHub - ShenggengLin/MDF-SA-DDI

主要内容:使用多源药物融合,多源特征融合和Transformer进行药物互作预测

  • 四个网络+多头自注意力机制
    • 孪生网络
    • 卷积神经网络
    • 两个自动编码器

药物互作相关

  • 为什么要进行药物互作的研究
    • 大多数人类疾病病理复杂,对单一的药物都有抗药性。使用联合药物治疗可以有效提高药效,降低耐药性。
    • 但是,不同的药物之间可能会发生相互作用(drug–drug interaction, DDI),可能会导致不良事件。
    • 而每两种药都进行试验验证过于昂贵,因而使用计算机进行模拟的研究显得比较重要了。
  • 主流方法:(1)基于机器学习的方法;(2)基于深度学习的方法;(3)基于矩阵分解的方法;(4)基于网络扩散的方法;(5)基于集成学习的方法;(6)基于文献或文本挖掘的方法。
  • 以往方法的问题
    1. 大多基于深度学习技术,将两个药物向量连接在一起预测DDI事件,而没有尝试其他方法来融合药物对的信息
    2. 大多数方法在预测已知药物之间未观察到的相互作用方面表现良好,很难预测新药之间未被观察到的相互作用

提出方法:MDF-SA-DDI

  • 具体内容
    1. 孪生网络(Siamese Network,SN),将两种药物的特征输入其中,得到的两个向量作为药物对的新特征。需要注意的是,这两个向量表示的是每个药物各自的特征
    2. 卷积神经网络(CN),将两个药物特征拼接,然后将其进行卷积,得到药物对的潜在特征
    3. 自动编码器(AE1),将两个特征向量拼接起来,然后通过自动编码器得到特征
    4. 自动编码器(AE2),将两个特征向量按照元素相加,然后通过自动编码器得到特征
    • 自注意力层:将上述四个向量,过一个多头自注意力模块进行特征融合
    • 全连接:将上述得到的特征过一个全连接层,得到最后的药物互作事件

  • 由于数据集特征过多,直接使用容易得到维数灾难,基于类似药物可能与相同的药物相互作用的假设,文章直接使用了Jaccard近似

实验及结果

  • 三种实验,相应任务中的新药表示在训练集中缺失,但在测试集中存在
    1. 预测已知药物之间未观察到的相互作用事件(任务1)
    2. 预测已知药物与新药之间的相互作用事件(任务2)
    3. 预测新药之间的相互作用事件(任务3)

这篇关于基于特征融合与注意力机制的药物互作模型:MDF-SA-DDI的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/795965

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

java中反射(Reflection)机制举例详解

《java中反射(Reflection)机制举例详解》Java中的反射机制是指Java程序在运行期间可以获取到一个对象的全部信息,:本文主要介绍java中反射(Reflection)机制的相关资料... 目录一、什么是反射?二、反射的用途三、获取Class对象四、Class类型的对象使用场景1五、Class

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

SQL Server清除日志文件ERRORLOG和删除tempdb.mdf

《SQLServer清除日志文件ERRORLOG和删除tempdb.mdf》数据库再使用一段时间后,日志文件会增大,特别是在磁盘容量不足的情况下,更是需要缩减,以下为缩减方法:如果可以停止SQLSe... 目录缩减 ERRORLOG 文件(停止服务后)停止 SQL Server 服务:找到错误日志文件:删除

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Nginx之upstream被动式重试机制的实现

《Nginx之upstream被动式重试机制的实现》本文主要介绍了Nginx之upstream被动式重试机制的实现,可以通过proxy_next_upstream来自定义配置,具有一定的参考价值,感兴... 目录默认错误选择定义错误指令配置proxy_next_upstreamproxy_next_upst

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll