解釈可能なグラフニューラルネットワークによる中国伝統医学における適合性メカニズムの定量化

科学分野:

• 計算生物学
• 薬理学について
• 医療における人工知能

背景:

• 伝統的中国医学 (TCM) は 薬草による複雑な相互作用を伴うものです
• 既存の方法は,多コンポーネント,多ターゲット,多経路メカニズムを完全に定量化するのに苦労しています.
• TCMの互換性を分析するための解釈可能なフレームワークが必要である.

研究 の 目的:

• TCMのハーブ・フォーミュラメカニズムを定量化するための解釈可能なグラフ人工知能 (GraphAI) フレームワークを開発し,検証する.
• 多様なデータモジュールを統合した多次元TCM知識グラフ (TCM-MKG) を構築する.
• COVID-19のような病気の治療薬となる可能性のあるハーブペアと バイオアクティブ化合物を特定する.

主な方法:

• 7つのモジュールからなる多次元TCM知識グラフ (TCM-MKG) の構築
• 複合ターゲットの関連性を強化するために,隣接拡散戦略の適用.
• グラフニューラルネットワーク (GNN) を注意メカニズムと仮想ノードを使用して,中国のハーブ公式 (CHF) の解釈可能なモデリングを行う.

主要な成果:

• GraphAIの枠組みでは,古典的なTCMの互換性役割と発見されたエチオロギー型を数値化することが成功しました.
• 近隣の拡散戦略により,複合標的のカバー率は12.0%から98.7%に増加しました.
• ラジックス・アストラガリ・リゾマ・フラグミティスは,長期間COVID-19を治療する可能性のある,高度な注意のハーブペアとして特定されました.

結論:

• 開発された GraphAI フレームワークは,TCM 研究のためのスケーラブルで解釈可能なプラットフォームを提供します.
• ラディックス・アストラガリ・リゾーマ・フラグミティスの活性化合物は 神経免疫および解毒効果の可能性がある.
• このアプローチにより,生物活性な植物成分とその治療用途の発見が容易になります.