亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

DSN-DDI: an accurate and generalized framework for drug–drug interaction prediction by dual-view representation learning

代表(政治) 计算机科学 药品 人工智能 对偶(语法数字) 药物与药物的相互作用 机器学习 可转让性 药物靶点 药物发现 医学 生物信息学 药理学 生物 文学类 罗伊特 艺术 政治 法学 政治学
作者
Zimeng Li,Shichao Zhu,Bin Shao,Xiangxiang Zeng,Tong Wang,Tie‐Yan Liu
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:24 (1) 被引量:76
标识
DOI:10.1093/bib/bbac597
摘要

Drug-drug interaction (DDI) prediction identifies interactions of drug combinations in which the adverse side effects caused by the physicochemical incompatibility have attracted much attention. Previous studies usually model drug information from single or dual views of the whole drug molecules but ignore the detailed interactions among atoms, which leads to incomplete and noisy information and limits the accuracy of DDI prediction. In this work, we propose a novel dual-view drug representation learning network for DDI prediction ('DSN-DDI'), which employs local and global representation learning modules iteratively and learns drug substructures from the single drug ('intra-view') and the drug pair ('inter-view') simultaneously. Comprehensive evaluations demonstrate that DSN-DDI significantly improved performance on DDI prediction for the existing drugs by achieving a relatively improved accuracy of 13.01% and an over 99% accuracy under the transductive setting. More importantly, DSN-DDI achieves a relatively improved accuracy of 7.07% to unseen drugs and shows the usefulness for real-world DDI applications. Finally, DSN-DDI exhibits good transferability on synergistic drug combination prediction and thus can serve as a generalized framework in the drug discovery field.
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
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
19秒前
残月初升完成签到,获得积分10
21秒前
顺心的一德完成签到,获得积分10
28秒前
阔达之卉完成签到 ,获得积分10
33秒前
虚幻的霸完成签到,获得积分10
35秒前
flyingpig发布了新的文献求助30
39秒前
48秒前
zeng发布了新的文献求助10
54秒前
冷傲的夜白完成签到,获得积分10
57秒前
汉堡包的应助被ADAB0002采纳,获得10
1分钟前
奔跑的应助被zeng采纳,获得10
1分钟前
飞快的涵柳完成签到,获得积分10
1分钟前
1分钟前
1分钟前
愤怒的若颜完成签到,获得积分10
1分钟前
可言完成签到,获得积分10
1分钟前
SUNny发布了新的文献求助10
1分钟前
zsmj23完成签到 ,获得积分0
1分钟前
1分钟前
科目三的应助被SUNny采纳,获得10
2分钟前
思源的应助被杨佳佳采纳,获得10
2分钟前
madeleinli的应助被flyingpig采纳,获得10
2分钟前
伶俐的万言完成签到,获得积分10
2分钟前
8旬老太快乐读研完成签到 ,获得积分10
2分钟前
安静白柏完成签到,获得积分10
2分钟前
nk完成签到 ,获得积分10
2分钟前
矮小的幼晴完成签到,获得积分10
2分钟前
ADAB0002发布了新的文献求助10
3分钟前
SciGPT的应助被科研通管家采纳,获得10
3分钟前
3分钟前
null的应助被科研通管家采纳,获得10
3分钟前
3分钟前
3分钟前
3分钟前
ADAB0002发布了新的文献求助10
3分钟前
3分钟前
失眠的热狗完成签到,获得积分10
3分钟前
Haoyu发布了新的文献求助10
3分钟前
阳光灭绝完成签到,获得积分10
3分钟前
ADAB0002发布了新的文献求助10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8166106
求助须知:如何正确求助?哪些是违规求助? 9559433
关于积分的说明 21750245
捐赠科研通 7756975
什么是DOI,文献DOI怎么找? 3429113
关于科研通互助平台的介绍 2553436
邀请新用户注册赠送积分活动 2473781