中文题目：
探索超图上的复杂异质关联以预测药物-标靶相互作用
英文题目：
ExploringComplexandHeterogeneousCorrelationsonHypergraphforthePredictionofDrug-TargetInteractions
02作者姓名作者：阮定1，吉书仪1，颜成钢1，朱俊杰，赵曦滨，杨跃东，高跃2，邹长青2，戴琼海2
（1：共同一作；2：通讯作者）
03指导教师颜成钢（导师），赵曦滨，杨跃东，高跃（导师），邹长青，戴琼海
04发表期刊Patterns（Cell子刊，因为是新刊，故没有影响因子）
05培养学院自动化学院
研究背景及选题意义药物-标靶相互作用的预测对于药物挖掘至关重要。然而，湿实验室使用的生化实验方法昂贵且耗时，而传统的计算方法需要知道准确的3维蛋白质结构才能进行预测，这不利于展开大规模的药物发现实验。而且生物医学实体间的关联呈现复杂且异构的特点，以往的方法难以准确建模它们之间的关系。毕竟一种药物可能与多个标靶存在相互作用，这些标靶间可能共享微妙且重要的药理学特征。为了解决这个问题，我们提出了一种廉价、准确且高效的预测方法，该方法采用了基于异质超图的模型来探索复杂的异质关联以预测药物和标靶间是否存在相互作用。
主要研究内容及创新点1.我们提出了一种基于异质超图的药物-标靶相互作用预测模型(HHDTI)以探索生物网络中的复杂异构关联。HHDTI受到一个药物往往会与多个标靶产生相互作用这一要素启发，整合了异构生物网络中多种类型的连接（例如，药物-标靶、标靶-疾病和药物-疾病相互作用），并利用超图结构对生物网络中的高阶关联进行建模（图1）。图1
2.HHDTI利用深度学习方法进一步训练神经网络，借助相似性的传递，对异质生物网络中的复杂的拓扑特性和关联信息进行编码，为药物和标靶寻找合适的向量表示，通过比较向量之间的相似度以发现未知的相互作用（图2）。图2
3.HHDTI在三个药物-标靶相互作用基准数据集上进行了实验验证。与最先进的方法相比，HHDTI能够显著提升预测性能，识别潜在的药物-标靶相互作用，以有效地指导湿实验室中的验证实验（图3）。HHDTI模型可以进一步扩展以纳入更多拓扑信息（例如，药物副作用关联）和其他类型的信息来探索复杂生物异构网络中的高阶关联。同时，HHDTI模型也可以作为通用框架引入其他相似链路预测任务，例如药物相互作用挖掘。图3主要创新点1.
转载请注明：http://www.0431gb208.com/sjszlfa/96.html
