MSDSE:基于多尺度特征和深度多结构神经网络的药物副作用预测

科学领域:

• 药理学 药理学是指药理学的学科.
• 计算化学的计算化学
• 人工智能的人工智能

背景情况:

• 药物开发面临来自意想不到的副作用的挑战,影响患者安全,导致研究失败.
• 目前的in silico方法往往忽略了药物的内在属性,将其有效性限制在后期的药物开发阶段.

研究的目的:

• 开发一个新的深度学习框架,MSDSE,用于早期和准确预测药物副作用.
• 解决现有方法的局限性,通过结合多个尺度,药物固有的特征.

主要方法:

• MSDSE采用多结构深度学习方法,整合了SMILES序列嵌入,分子指纹和图形嵌入.
• 功能被投射到一个共同的抽象空间中,并通过使用具有Inception和多头Self-Attention模块的CNN使用双层道策略来处理.
• 药物副作用预测是以对智的学习为框架,概率通过内部产品运算输出.

主要成果:

• 与基线模型相比,MSDSE在基准数据集上表现出最佳的性能.
• 除研究验证了所选特征表示和模型架构的有效性.
• 案例研究证实了MSDSE在预测药物副作用方面的实际能力.

结论:

• 通过利用多模式药物内在特征,MSDSE为早期药物副作用查提供了一个强大的框架.
• 该模型能够整合多种数据类型,从而提高预测准确性,并支持更安全的药物开发.
• 这些发现突出了先进深度学习的潜力,可以主动识别潜在的不良药物反应.