基于异质信息网络的药物—药物相互作用预测方法研究_.pdfVIP

摘要

药物-药物相互作用可能会引起意想不到的副作用，在严重的情况下甚至会威胁

病人的生命。因此，准确预测药物-药物相互作用对药物开发和药物安全监测具有重

要意义。随着药物相关信息和数据公开，研究人员提出了许多计算方法来进行药物

-药物相互作用的预测研究。虽然这些预测方法取得了一定的进展，但是仍存在以下

挑战：（1）未能有效地捕捉药物-药物相互作用机制中相关的生物实体之间复杂的语

义关联；（2）忽略了冷启动情景，限制了现有方法的广泛应用。鉴于此，本文基于

异质信息网络展开研究，利用元路径信息融合机制、反事实数据增强等方法提升药

物-药物相互作用预测的有效性以及提升模型在冷启动情景下的预测性能。具体地，

本文主要的研究工作如下：

（1）针对现有的方法无法有效地捕捉药物-药物相互作用机制中相关的生物实

体之间复杂的语义关联的问题，提出了一种异质信息网络中基于元路径信息融合的

药物-药物相互作用预测模型。该模型利用药物-药物相互作用相关的数据构建药物-

药物相互作用的异质信息网络，其中药物和蛋白质为不同类型的节点，节点之间不

同类型的语义关联为不同类型的边。通过基于元路径的信息融合机制，捕获异质信

息网络中节点之间复杂的语义关联信息，学习药物高质量的特征表示。通过设计元

路径级的注意力机制，将从不同长度的元路径中获得的语义信息进行组合，以获得

药物的最终表示，并且为预测结果提供部分可解释性。在本文所构建的数据集上的

实验结果证明了本文所提出方法的有效性。

（2）针对预测中的冷启动问题，提出了一种冷启动情景下基于反事实数据增强

的药物-药物相互作用预测模型。该模型考虑冷启动情景，首先构建药物-药物相互

作用的异质信息网络，通过反事实推理构建冷启动药物的反事实链接，对冷启动药

物进行数据扩充，生成有效的冷启动药物的增强样本以丰富训练集。然后通过基于

元路径的信息融合机制学习有意义的药物表示，通过所设计的损失函数合理利用反

事实推理生成的样本，提高冷启动情景下药物-药物相互作用预测的性能。在本文所

构建的数据集上的实验结果，证明了基于反事实数据增强的预测方法在完成冷启动

情景下药物-药物相互作用预测任务的有效性。

关键词：药物-药物相互作用；基于元路径的信息融合；异质信息网络；冷启动

情景；反事实推理

I

Abstract

Drug-druginteractionmayleadtounexpectedsideeffects,andinseriouscases,it

evenendangerspatients’lives.Therefore,accuratelypredictingthedrug-druginteractions

isofgreatsignificanceforthedrugdevelopmentandthedrugsafetysurveillance.Asdrug-

relatedinformationanddataarepubliclyavailable,researchershaveproposedanumber

ofcomputationalmethodstoperformdrug-druginteractionpredictionresearch.Although

thesepredictedmethodshavemadesomeprogress,therearestillthefollowingchallenges:

(1)Existingmethodscannoteffectivelycapturethecomplexsemanticassociations

betweenbiologicalentitiesinvolvedinthemechanismofdrug-druginteractions;(2)

Existingmethodsrarelyconsidercold-startscenario,whichlimitsthewideapplicationof