清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

KSHFS: Research on Drug-Drug Interaction Prediction Based on Knowledge Subgraph and High-Order Feature-Aware Structure

计算机科学 特征(语言学) 二进制数 二元关系 数据挖掘 机器学习 二元分类 药品 噪音(视频) 人工智能 骨料(复合) 订单(交换) 情报检索 支持向量机 数学 医学 算术 离散数学 精神科 图像(数学) 语言学 哲学 材料科学 财务 复合材料 经济
作者
Nana Wang,Qian Gao,Jun Fan
出处
期刊:Communications in computer and information science 卷期号:: 493-506
标识
DOI:10.1007/978-981-99-8141-0_37
摘要

Effective drug-drug interaction (DDI) prediction can prevent adverse reactions and side effects caused by taking multiple drugs at the same time. However, most methods that obtain drug information through large-scale biomedical knowledge graphs (KGs), ignore the problem of high noise and complexity, and have certain limitations in obtaining rich neighborhood information for each entity in the KG. Therefore, this paper proposes an end-to-end method called Knowledge Subgraph and High-order Feature-aware Structure (KSHFS) to address DDI prediction. In KSHFS, this paper first designs a subgraph extraction module to reduce the noise caused by the KG, remove irrelevant information, and effectively utilize the entity information in external knowledge graphs to assist DDI prediction. Then, a high-order feature-aware module is designed to aggregate entity information propagated from high-order neighbors, learn high-order structural embeddings for each entity, and effectively capture potential semantic neighborhood features of drug pairs. Finally, in binary DDI prediction, a self-attention mechanism is used for feature fusion to predict drug interaction events. The experimental results demonstrate that the KSHFS model outperforms the baseline models in binary and multi-relation DDI prediction based on various evaluation metrics, including AUC, AUPR, and F1.
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
ASXC完成签到,获得积分20
11秒前
火星上惜天完成签到 ,获得积分10
14秒前
任性吐司完成签到 ,获得积分10
17秒前
西柚柠檬完成签到 ,获得积分10
18秒前
小白加油完成签到 ,获得积分10
20秒前
幽默的太阳完成签到 ,获得积分10
37秒前
taipingyang完成签到,获得积分10
39秒前
44秒前
51秒前
hwen1998完成签到 ,获得积分10
58秒前
1分钟前
星际舟完成签到,获得积分10
1分钟前
鱼儿游完成签到 ,获得积分10
1分钟前
王磊完成签到 ,获得积分10
1分钟前
1分钟前
番茄鱼完成签到 ,获得积分10
1分钟前
矢思然完成签到,获得积分10
1分钟前
习月阳完成签到,获得积分10
1分钟前
烨枫晨曦完成签到,获得积分10
1分钟前
1分钟前
秋半梦完成签到 ,获得积分10
1分钟前
nojego完成签到,获得积分10
1分钟前
小余同学发布了新的文献求助10
1分钟前
1分钟前
格纹完成签到,获得积分10
1分钟前
雍州小铁匠完成签到 ,获得积分10
1分钟前
注水萝卜完成签到 ,获得积分10
1分钟前
1分钟前
科研人一枚完成签到,获得积分10
2分钟前
叶痕TNT完成签到 ,获得积分10
2分钟前
zjw完成签到,获得积分10
2分钟前
Andy完成签到 ,获得积分10
2分钟前
MISA完成签到 ,获得积分10
2分钟前
bookgg完成签到 ,获得积分10
2分钟前
mendicant完成签到,获得积分10
2分钟前
勤恳书包完成签到,获得积分10
2分钟前
yang完成签到 ,获得积分10
2分钟前
xianyaoz完成签到 ,获得积分0
2分钟前
2分钟前
Jasper应助无限的以亦采纳,获得10
2分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Cognitive Neuroscience: The Biology of the Mind 1000
Technical Brochure TB 814: LPIT applications in HV gas insulated switchgear 1000
Immigrant Incorporation in East Asian Democracies 600
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
A Preliminary Study on Correlation Between Independent Components of Facial Thermal Images and Subjective Assessment of Chronic Stress 500
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 3968543
求助须知:如何正确求助?哪些是违规求助? 3513358
关于积分的说明 11167312
捐赠科研通 3248700
什么是DOI,文献DOI怎么找? 1794453
邀请新用户注册赠送积分活动 875030
科研通“疑难数据库(出版商)”最低求助积分说明 804664