基于异质信息网络元路径的药物-靶标相互作用预测模型
基于异质信息网络元路径的药物-靶标相互作用预测模型
Publication information
Publisher
南华大学计算机学院, 衡阳 421001
More information
Scope and Contents
Contents
提出一种融合元路径信息的图神经网络模型,用于预测药物-靶标相互作用(GMDTI).首先根据8个数据集中的药物、靶标、疾病和副作用数据以及它们之间的8种作用关系,构建药物-靶标异质信息网络(HIN);然后定义两条元路径来捕获药物-靶标HIN中的不同子结构信息和不同节点间隐藏的语义信息,并应用图神经网络的方法聚合节点的一阶邻居信息和元路径中节点间的语义信息;最后利用端到端的学习方法完成DTIs预测.该方法同时考虑药物-靶标HIN的结构特性和元路径语义信息,有助于学习到更多潜在的药物-靶标作用关系.实验结果表明,GMDTI的预测准确率高于所有基线模型,AUC达到98.6％,AUPR达到94.5％.同时通过调整数据的稀疏度和降噪实验,证明GMDTI具备优于所有基线模型的鲁棒性.
Alternative Titles
Full title
基于异质信息网络元路径的药物-靶标相互作用预测模型
Identifiers
Primary Identifiers
Record Identifier
TN_cdi_wanfang_journals_bjdxxb202201006
Permalink
https://devfeature-collection.sl.nsw.gov.au/record/TN_cdi_wanfang_journals_bjdxxb202201006
Other Identifiers
ISSN
0479-8023
DOI
10.13209/j.0479-8023.2021.105
How to access this item
Log in as a Library member
