基于图卷积神经网络的多药副作用预测方法研究.pdfVIP

- - 2022.11 科学技术创新 77 基于图卷积神经网络的多药副作用预测方法研究 蔡皓宇 姚国田 安晟毅 李硕涵 颜 旭 王晓燕* （吉林大学，吉林 长春 130015） 摘 要：多药治疗通常用于治疗患有复杂疾病或共存疾病的患者，但发现多种药物的副作用仍是一项重要挑战。 本文使用Decagon 方法，基于图卷积神经网络，使用来自吉林大学第一医院的临床数据，研究多药副作用的预测方 法，对于投入到临床应用的可行性提供了一些数据和支持。 关键词：图卷积神经网络；多药副作用；预测方法 图分类号 TP183 文献标识码 A 文章编号 2096-4390渊2022冤11-0077-04 1 概述 多药治疗（相对于单一药物或单一疗法）的风 取决 于任何特定病例的特定组合和诊断。在药理学中广为接 受的是，如果不对试验对象的特定药物组合进行研究， 就不可能准确预测药物组合的副作用或临床效果。了解 所讨论的单个药物的药理学特征并不能确 准确预测 这些药物组合的副作用，因为在不同药物的相互作用 下，药物的活性会发生难以预料的变化。多种药物不一 定是不明智的，但在许多情况下会导致负面结果或治疗 效果不佳，通常弊大于利，或者风 大而收益 少。因 此，卫生专业人员认为这种情况需要进 监测和审查， 以验证是否所有药物仍然是必要的。 因此我们需要计算机化决策支持来为多药治疗措施 提供参考。Decagon 即是一种模拟多药副作用的图卷积 神经网络方法。通过对大量的边类型的多模态图处理， 经过多模式网络进 关系链接的预测。 本文利用来自吉林大学第一医院的临床数据，使程 序读入补充的蛋白质之间的相互作用、药物对蛋白质的 作用的扩展数据同时结合基础数据，进行对多种可能的 多药副作用的评估。 2 实验设置 2.1 数据读取 读入编码后的补充药物-蛋白质相互作用（图1）以 图1 药物- 蛋白质相互作用（部分） 及蛋白质-蛋白质物理结合（图2）数据，编码规则及基础 2.2 数据建模 数据依照SIDER（副作用资源）数据库以及 OFFSIDE 数 将多药副作用数据建模作为编码药物、蛋白质和副 据库。 基金项目 吉林大学创新创业训练计划资助项目，项目编号：202110183x431，项目名称：基于图卷积神经网络的 多药副作用预测方法研究。 作者简介：蔡皓宇（2000,12-)，男，汉族，学历：本科，软件工程专业。 通讯作者 王晓燕（1977,3-）,汉族，职称：讲师，研究方向：大数据与机器学习。 - 78 - 学技术创新 2022.11 型多药副作用有关的可能性。 所以我们应用由斯坦福大学开发，可以处理具有大 量边类型的多模态图的非线性多层卷积图神经网络模 型Decagon ，使Decagon 在图G 上运 。Decagon 主要由 编码器和解码器组成。编码器模