一种结合图卷积和对比学习的药物重定位方法

摘要

药物重定位研究对于提高药物的发现效率具有积极意义.然而，当前研究大多是将药物和疾病受同一监督方式展开训练，忽视了两者在生物特性等方面的内在区别.同时，高度稀疏的药物-疾病网络，也对模型预测产生严重干扰.因此，本文提出了一种基于图卷积神经网络和对比学习的药物重定位预测方法GL-DDI.首先，通过注意力机制对药物和疾病的多源相似性进行整合，并构建药物和疾病之间的元路径.然后，通过元路径评分矩阵，监督药物和疾病子空间的特征提取.最后，通过对比药物子空间和疾病子空间的预测结果，构建对比学习模型，从而预测药物潜在适应症.实验结果显示，本模型的受试者工作特征曲线和PR曲线下面积分别为0.9392和0.9442,优于现有方法.

关键词

药物重定位 / 图卷积神经网络 / 对比学习 / 生物网络