基于图神经网络的高阶药物相互作用挖掘方法研究与应用.pdf

基于图神经网络的高阶药物相互作用挖掘方法研究与应用

摘要

药物-药物相互作用是指同时服用两种或两种以上药物产生的联合效果。在药物开

发领域和临床应用领域中，多药共同使用的现象比较普遍，这使得研究药物相互作用成

为生物医学领域的一大课题。在这一领域中，图神经网络相较于传统实验方法具有省时

省力、降低成本的优点，是研究药物相互作用的优秀方法。

本文使用图神经网络，将各种生物医学实体及实体之间的关系抽象为图的节点和边，

从而将生物医学任务转化为了图任务，并借助图的强大的表征能力对高阶药物相互作用

进行了预测。具体而言，本文进行了如下的研究工作：

（1）针对生物医学大模型之间数据不同、训练方法不同和所获得药物特征不一定适

合于药物相互作用任务的特点，为了综合各模型的优势，设计了基于多Bert模型融合的

特征提取方法BFM-DF。该方法通过对多个基模型进行了融合，并使用药物相互作用预

测作为监督任务从而训练得到了适合于药物相互作用预测的药物特征表示。实验证明，

该方法得到的药物特征相较于基模型更适合于药物相互作用预测任务。该药物特征也将

应用在后文的实验中，并大幅度提高相关模型的性能。

（2）为了针对某种具体的相互作用对给定的某种高阶药物组合进行预测，设计了

基于三层图网络架构的高阶药物相互作用预测方法TGM-HD。该方法基于分层思想，避

免了不同种类节点之间的消息交互导致特征混杂的问题。通过该方法的药物网络层与蛋

白质网络层的层内信息提取模块和每层之间的信息提取模块，该方法能够有效地将药物

信息和蛋白质信息进行整合并传递至高阶药物组合节点，并基于此进行高阶药物相互作

用预测。分析结果表明，该方法具有一定的高阶药物相互作用二分类预测能力。

（3）为了针对多种具体的相互作用对给定的某种高阶药物组合进行预测，设计了

基于图池化的高阶药物相互作用多任务预测方法GPM-MHD。该方法基于多任务学习思

想，将预测某种药物组合的一种药物相互作用作为单任务，通过同时预测多种相互作用

来进行多任务学习。该方法中融入了药物子结构、代谢酶和蛋白质等生物医学实体信息，

并使用了基于注意力机制的图池化方法和基于加权的图嵌入模块来解决数据的不均衡

问题。分析结果表明，该方法具有一定的高阶药物相互作用多任务预测能力。

综上所述，本文针对高阶药物组合的相互作用预测进行研究，分别进行了药物特征

表示研究、高阶药物相互作用二分类研究和多任务预测研究，设计了可以用于高阶药物

相互作用预测的模型，并通过了大量的实验以及案例进行了验证，说明本文的研究具备

哈尔滨工程大学硕士学位论文

一定的应用价值。

关键词：药物相互作用；图神经网络；深度学习；注意力机制；预训练

基于图神经网络的高阶药物相互作用挖掘方法研究与应用

Abstract

Drug-druginteractionreferstothecombinedeffectofsimultaneouslytakingtwoormore

drugs.Inthefieldofdrugdevelopmentandclinicalapplication,thephenomenonofusing

multipledrugstogetherisquitecommon,makingthestudyofdrug-druginteractionsamajor

topicinthebiomedicalfield.Traditionalmethodsoftenfacethechallengesofhighcostand

timeconsumption,promptingmanyresearcherstoshifttheirfocustodeeplearningmethods,

particularlyleveraginggraphneuralnetworkapproaches.

Inthispaper,agraphneuralnetworkisutilizedtoabstractva