Enhancing Drug Repositioning through Local Interactive Learning with Bilinear Attention Networks

计算机科学 药物重新定位 成对比较 机器学习 人工智能 聚类分析 药品 数据挖掘 医学 药理学
作者
Xianfang Tang,Chang Zhou,Changcheng Lu,Yajie Meng,Junlin Xu,Xinrong Hu,Geng Tian,Jialiang Yang
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:29 (3): 1644-1655 被引量:19
标识
DOI:10.1109/jbhi.2023.3335275
摘要

Drug repositioning has emerged as a promising strategy for identifying new therapeutic applications for existing drugs. In this study, we present DRGBCN, a novel computational method that integrates heterogeneous information through a deep bilinear attention network to infer potential drugs for specific diseases. DRGBCN involves constructing a comprehensive drug-disease network by incorporating multiple similarity networks for drugs and diseases. Firstly, we introduce a layer attention mechanism to effectively learn the embeddings of graph convolutional layers from these networks. Subsequently, a bilinear attention network is constructed to capture pairwise local interactions between drugs and diseases. This combined approach enhances the accuracy and reliability of predictions. Finally, a multi-layer perceptron module is employed to evaluate potential drugs. Through extensive experiments on three publicly available datasets, DRGBCN demonstrates better performance over baseline methods in 10-fold cross-validation, achieving an average area under the receiver operating characteristic curve (AUROC) of 0.9399. Furthermore, case studies on bladder cancer and acute lymphoblastic leukemia confirm the practical application of DRGBCN in real-world drug repositioning scenarios. Importantly, our experimental results from the drug-disease network analysis reveal the successful clustering of similar drugs within the same community, providing valuable insights into drug-disease interactions. In conclusion, DRGBCN holds significant promise for uncovering new therapeutic applications of existing drugs, thereby contributing to the advancement of precision medicine.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Tong完成签到,获得积分0
2秒前
诺亚方舟哇哈哈完成签到 ,获得积分0
5秒前
墨瞳完成签到,获得积分10
8秒前
龙王爱吃糖完成签到 ,获得积分10
15秒前
wxnice完成签到,获得积分10
18秒前
24秒前
三年三班三井寿完成签到,获得积分10
26秒前
海盗船长完成签到,获得积分10
27秒前
31秒前
fosca完成签到,获得积分10
31秒前
32秒前
量子星尘发布了新的文献求助150
36秒前
konosuba完成签到,获得积分0
38秒前
积极的夏天完成签到 ,获得积分10
39秒前
糊涂的青烟完成签到 ,获得积分10
40秒前
zzhui完成签到,获得积分10
49秒前
万默完成签到 ,获得积分10
50秒前
谢陈完成签到 ,获得积分10
50秒前
CipherSage应助积极的夏天采纳,获得10
51秒前
53秒前
火星的雪完成签到 ,获得积分10
54秒前
SC完成签到 ,获得积分10
54秒前
du完成签到 ,获得积分10
55秒前
59秒前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
kyokyoro完成签到,获得积分10
1分钟前
FloppyWow完成签到 ,获得积分10
1分钟前
小新完成签到 ,获得积分10
1分钟前
1分钟前
Dream Luminator完成签到,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
1分钟前
lixian发布了新的文献求助10
1分钟前
myq完成签到 ,获得积分10
1分钟前
朱婷完成签到 ,获得积分10
2分钟前
清脆的靖仇完成签到,获得积分10
2分钟前
量子星尘发布了新的文献求助10
2分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976735
求助须知:如何正确求助?哪些是违规求助? 3520831
关于积分的说明 11204855
捐赠科研通 3257602
什么是DOI,文献DOI怎么找? 1798814
邀请新用户注册赠送积分活动 877897
科研通“疑难数据库(出版商)”最低求助积分说明 806663