北京治疗白癜风费用要多少 http://m.39.net/pf/a_4785588.html这篇论文认为DDI是由化学亚结构相互作用而不是整个药物的化学结构所引起的。因此作者提出了一种深度学习框架——SSI–DDI，该框架直接在药物的原始分子图表示上训练，它将两种药物之间的DDI预测任务分解为识别它们各自亚结构之间的成对相互作用。方法：模型以药物分子图表示作为输入，在每个GAT层，执行一个READOUT操作来提取子结构信息。然后使用co-attentionlayer来测量Gx和Gy子结构之间的相互作用得分γ。两个化学分子最后的相互作用得分为：模型使用SAGPooling来确定图中每个节点的重要性βi，实际上就是进行softmax函数的转换，将图中节点总重要性设为1：损失函数为BCE（binarycross-entropy）：整体算法如下所示：数据集：DrugBankdataset，分割为6:2:2作为训练、验证及测试集。数据集包含种药物和个DDI,共有86种DDI类型。结果：评论：这篇文章认为子图相互作用导致的药物相互作用，我认为这种说法不太严谨。药物相互作用一般不是两个化学分子直接作用，否则体外实验就可简单验证。我认为是由于相似子图会影响其与相似蛋白的结合，而蛋白处于同一通路情况下就可相互影响，引发药物相互作用。这种思路可以解释一部分局部影响产生的药物相互作用，但是对于生物网络产生整体性的复杂变化，最终导致的药物相互作用可能效果不会很好。比如一些通过神经、激素信号导致的某些器官或组织特定的微环境变化，最终综合影响产生药物相互作用反应。对于这种类型的DDI，我认为用加入生物网络调控信息或者一些网络药理学信息，会比单纯使用结构预测效果要好一些。Reference
Nyamabo,ArnoldK.,HuiYu,andJian-YuShi."SSI–DDI:substructure–substructureinteractionsfordrug–druginteractionprediction."BriefingsinBioinformatics().
日夜肝稿的zzh
远离颠倒梦想，究竟涅槃
