摘要
多药联合使用可能导致药物不良反应,引起身体健康问题。因此,预测潜在的药物相互作用非常重要。文章提出了一种融合LSTM(长短期记忆网络)和Self-Attention(自注意力机制)的算法(LS-DDI)用于预测药物相互作用,通过高斯相似性分别计算子结构、靶标和酶三个不同特征,形成相似性矩阵,后接LSTM进行上下文信息的提取,Self-Attention作用在三个特征上赋予不同权重,最后进行预测研究。通过五折交叉验证,在两个不同数据集上的实验结果表明,LS-DDI的结果优于其他四个对比模型,证明了LS-DDI具有良好的性能。最后通过Torasemide,Cannabidiol和Dexamethasone三个药物的案例研究,证明了文章所提出模型在预测未知药物相互作用的有效性。
The combined use of multiple drugs may lead to adverse drug reactions,causing health issues.Therefore,predicting potential Drug-Drug Interactions is crucial.This paper proposes an algorithm called LS-DDI,which integrates Long Short-Term Memory(LSTM)networks and the Self-Attention Mechanism for DDI prediction.Gaussian similarity is used to calculate three distinct features of substructures,targets,and enzymes to form the similarity matrices.LSTM extracts contextual information,while the Self-Attention assigns different weights to the three features,leading to the final prediction research.Through the five-fold cross-validation,experimental results on two different datasets demonstrate that LS-DDI outperforms four other comparison models,proving its superior performance.Finally,case studies involving the three drugs of Torasemide,Cannabidiol,and Dexamethasone validate the effectiveness of the proposed model in predicting unknown DDIs.
作者
陈星鑫
聂斌
苗震
杨洋
CHEN Xingxin;NIE Bin;MIAO Zhen;YANG Yang(Jiangxi University of Chinese Medicine,Nanchang 330004,China)
出处
《现代信息科技》
2025年第14期21-26,31,共7页
Modern Information Technology
基金
国家自然科学基金(82260849,61562045)
江西中医药大学星火传承培养计划(2252000111)
江西中医药大学校级科技创新团队发展计划(CXTD22015)
江西省教育厅科学技术项目(GJJ2200925)
江西省中医药管理局科技计划项目(2020B0412)。
关键词
长短期记忆网络
自注意力机制
药物相互作用
药物不良反应
Long Short-Term Memory(LSTM)
Self-Attention Mechanism
Drug-Drug Interaction(DDI)
adverse drug reaction
