生物信息学|新颖的深度学习模型，更准确地预测药物-药物相互作用

最新推荐文章于 2025-10-10 17:46:08 发布

原创

最新推荐文章于 2025-10-10 17:46:08 发布 · 2.7k 阅读

9 ·

CC 4.0 BY-SA版权

提出一种新深度学习模型，利用自动编码器及前馈网络预测药物-药物相互作用(DDI)效果，通过结构相似性、基因本体及靶基因相似性提升预测准确性。

本篇推文引自：Novel deep learning model for more accurate prediction of drug-drug interaction effects

1. 摘要

背景：准确地预测药物-药物相互作用(DDIs)的影响对于更安全更有效的药物联合处方很重要。许多预测DDIs效应的计算方法已经被提出，目的是减少在体内或体外识别这些相互作用的难度，但预测性能仍有改进的空间。

结果：在本研究中，我们提出了一种新的深度学习模型来更准确地预测DDIs的效果。提出的模型使用自动编码器和深度前馈网络来预测DDIs的药理作用。深度前馈网络使用已知药物对的结构相似图谱(SSP)、基因本体(GO)术语相似图谱(GSP)和目标基因相似图谱(TSP)进行训练。结果表明，GSP和TSP都提高了单独使用SSP进行训练时的预测精度，并且自动编码器比主成分分析能更有效地进行降维。我们的模型比现有的方法表现出更好的性能，并确定了一些由医学数据库或现有研究支持的新型DDIs。

结论：我们提出了一种新的深度学习模型，可以更准确地预测DDIs及其作用，这可能有助于未来的研究发现新的DDIs及其药理作用。

2. 背景

联合药物治疗正成为治疗包括癌症、高血压、哮喘和艾滋病在内的多种疾病的一种有效的方法，因为它们可以提高药物疗效、降低药物毒性或降低个体耐药性。然而，药物联合使用可能导致药物间相互作用(DDIs)，这是药物不良事件(ADEs)的主要原因。据估计，DDIs与所有报道的ADEs中30%的有关。此外，由于严重的DDIs导致的不良反应已经导致药物从市场上撤出。因此，准确预测DDIs的疗效对于患者更安全、更好的处方具有重要意义。

为了提高本研究的分类精度，我们提出了一种新的基于深度学习的模型，该模型使用了来自靶标基因及其已知功能的额外特征。我们构建了靶标相似性概要(TSP)、基因本体(GO)术语相似性概要(GSP)和SSP。因为在组合TSP、GSP和SSP时，输入大小太大，所以我们使用自动编码器来减少该特性。我们的自编码器模型训练最小化输入与