Nat. Mach. Intell. | MeTDDI:基于局部-全局注意力和Transformer的药物相互作用预测模型

文章预览

2024年8月27日，来自Heng Luo、Biao Wang和Zuquan Weng研究团队的Yi Zhong、Gaozheng Li和Ji Yang等人在 Nature Machine Intelligence 期刊上发表了一篇题为“ Learning motif-based graphs for drug–drug interaction prediction via local–global self-attention ”的研究文章。 该文章介绍了一种名为MeTDDI的深度学习框架，利用局部-全局自注意力机制和共注意力机制来学习基于基序的图，以预测药物之间的相互作用（DDI） 。该研究不仅在DDI预测性能上取得了竞争性成绩，还在 模型解释性 方面进行了深入探讨。MeTDDI可以精准解释多个药物之间复杂的相互作用机制，特别是在减轻药物相互作用风险方面显示了潜力。该框架为药物发现和多药治疗提供了新的视角，有望在提高药物安全性和保护患者健康方面发挥重要作用。 关键字 图神经网络 | 共注意力网络 | 模型解释性 引言 药物相互作用（Drug-Drug In ………………………………