基于多关系网络的药物相互作用链接预测研究.pdf

基于多关系网络的药物相互作用链接预测问题

摘要

-(Drug-DrugInteractionsDDIs)

药物药物相互作用，指的是在一段时间内同时服用两

种及两种以上药物产生的联合效果。然而，多种药物同时服用，可能会降低药效甚至导

致严重的不良反应。但是DDIs很难从临床试验中识别，因为临床试验通常一次只随机

选择一种治疗，样本量太小，无法可靠地检测罕见结果的相互作用效应。近年的研究结

果显示，为了避免药物相互作用产生不良影响，研究人员需要花费大量的人力物力资源。

因此，构建预测药物作用的模型现已成为药物信息领域研究的热门方向。目前的研究工

1DDIs

作普遍存在以下局限：（）虽然现有的数据库可以提供一些的组合，但数据集的

23

样本量非常小；（）忽视了服用药物的顺序所带来不良反应的差异；（）大多数的研究

DDIs4

集中在检测的组合，而未对其组合带来的不良影响进行研究；（）现有可使用的

DDIs数据库，大多数仅包含以往的数据集，缺少近几年的数据分析以及对数据库可视

化的改进。

(FDAAdverseEventReportingSystemFAERS)

本文针对不良事件报告系统，数据库中

药物相互作用及其不良反应的预测问题，构建基于多关系图卷积网络的实体和关系表征

模型，对定向药物相互作用组合进行预测，并根据预测的结果实现定向药物作用数据库

系统。

首先，将FARES数据库中所有最新数据进行标准化处理，其中包括对遗失数据进

行缺失值插补、消除重复数据、名称标准化映射等。然后，在最新的标准化数据库中选

()Apriori

取四种常见的不良反应肌病、眩晕、腹泻、恶心呕吐进行频繁项集挖掘，利用

FAERS(OddsRatioOR)

算法从数据库中提取频繁的药物项集，使用优势比，来估计和筛

选与定向DDI相关的不良反应的组合，最终得到标准且最新的联合数据集。

其次，针对定向药物作用组合的预测问题，构建基于多关系图卷积网络的实体和关

系表征模型，根据每条边都有一个与之相关联的标签和方向的特性，解决了关系的过渡

参数化问题。然后，将预测结果从两个方面进行分析：第一部分，从模型性能分析，将

FARES新数据集的预测结果分别与WN18RR数据集和TWOSIZES数据集作对照，证

明了FARES新数据集的可靠性以及多关系模型的有效性；第二部分，从预测结果分析，

在高风险组合中，通过实验分析正关系和负关系的预测结果的区别来证明服用两种药物

的顺序差异会影响药物在体内的作用效果以及不同的副作用。再次，将高风险组合与

Drugbank和TWOSIZES数据库中已存在药物组合进行对照，证实模型预测结果的正确

I

哈尔滨工程大学专业学位硕士学位论文

性，并分析得到新预测的药物组合及其不良反应。

最后，将定向药物作用的预测结果进行可视化数据库实现，根据数据库的主要功能

构建系统的整体架构，进行整体的效果与分析。由关系网络图及图表清晰地展现出药物

与药物之间的风险程度以及产生每种不良反应的概率估值，可以很好地为研究人员提供

药物以及药物对