AI医药论文解读--DPDDI：药物相互作用的深层预测器

DPDDI：药物相互作用的深层预测器

论文题目	DPDDI: a deep predictor for drug-drug interactions
论文出自	BMC Bioinformatics ，2020

论文链接：DPDDI: a deep predictor for drug-drug interactions

一、研究背景？

现有的计算方法大致可以分为两类：

基于文本挖掘的方法和基于机器学习的方法。

• 基于文本挖掘的方法：从科学文献、电子病历、保险索赔数据库和FDA不良事件报告系统中发现并收集带注释的DDI。它们在构建DDI相关数据库时非常有用。

  • 不足：这些方法无法检测未注释的DDI，也无法在进行组合处理之前判断潜在的DDI。

• 基于机器学习的方法：–>可以识别未注明的潜在药物相互作用。包含特征提取和监督预测两部分。

  • 特征提取：根据药物特性以特征向量的形式表示药物，例如化学结构、靶点、副作用、药物临床观察。

  • 监督预测器