-
题名基于空洞卷积神经网络的药物和副作用关联预测
- 1
-
-
作者
徐凯
玄萍
-
机构
黑龙江大学计算机科学技术学院
汕头大学计算机科学技术系
-
出处
《智能计算机与应用》
2025年第3期33-38,共6页
-
基金
国家自然科学基金(61972135,62172143)
黑龙江省自然科学基金(LH2023F044)
汕头大学科研启动基金项目(NTF22032)。
-
文摘
越来越多的研究表明识别药物相关的副作用有利于降低药物研发的成本和时间。新近的方法侧重于整合药物和副作用的多源数据,以预测药物的有潜力的候选副作用。然而,多个药物-副作用异构图中的节点的多样属性尚未得到充分利用。本文提出了新的药物-副作用关联预测方法,来编码和整合来自多个异构图的多样属性。针对2种药物相似性,分别构建了2个药物-副作用异构图,以整合和表示药物与副作用相关的相似性和关联连接。每个异构图具有其特定的属性,不同属性表示对于预测药物相关的候选副作用的贡献不同,本文建立了表示级注意机制来对其自适应地加以融合。同时进一步建立了基于空洞卷积神经网络的药物-副作用关联预测策略,通过扩大卷积核的感受野来增强卷积层的特征提取能力。本文采用五倍交叉验证的方法进行相关实验,实验结果表明本文的预测模型优于其他几个对比方法。
-
关键词
药物-副作用关联预测
表示层级注意力机制
空洞卷积神经网络
结点对特征学习
-
Keywords
drug-side effect association prediction
representation-level attention mechanism
dilation convolutional neural network
pairwise feature learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
