Nat. Commun. | 基于多层关联的药物重定位知识图谱学习

文章预览

今天为大家介绍的是来自Sangseon Lee & Sun Kim团队在nature communications上发表的一篇论文，该论文将语义引导的随机游走用于知识图谱特征提取，并在药物重定位上取得了很好的效果。 一、 研究摘要 药物重定位（Drug Repurposing），即对已上市或临床试验中的药物进行新的适应症开发，是一种节约成本、缩短周期的创新方法。然而，由于现有的网络或知识图谱方法节点数量不平衡（图1），基因占主导，药物和疾病少，从关系层面看，PPI网络密集，药物疾病关联网络稀疏，两个稀疏的网络和一个稠密的网络进行嵌入很难得到有效的特征表示。 图1.KG数据分布示意图 为了解决数据不平衡问题，本文提出了一种基于语义多层关联推断的知识图谱学习模型—— DREAMwalk ，通过 语义引导的随机游走策略 （图2）提升嵌入表示的准确性，尤其在药物与疾病关系的预测 ………………………………