基于变压器的药物相互作用图表与化学知识嵌入的化学知识.
Jinlu Zhang1,2, Xuting Zhang1,2, Yizheng Dai2
1Pharmaceutical Informatics Institute, College of Pharmaceutical Sciences, Zhejiang University, 866 Yuhangtang Road, Xihu District, Hangzhou 310058, Zhejiang, China.
研究人员开发了TRACE,这是一个基于变压器的框架,用于预测药物相互作用 (DDI). 这种可解释的模型整合了化学知识,以识别高风险的子结构,改善药物安全和开发.
科学领域:
- 药理学 药理学是指药理学的学科.
- 计算化学计算化学
- 人工智能的人工智能
背景情况:
- 药物相互作用 (DDI) 具有重大医疗风险,需要准确的识别方法.
- 深度学习增强了DDI预测,但往往缺乏化学信息整合和解释性.
- 目前的模型很难阐明DDI背后的机制.
研究的目的:
- 引入TRACE,一个新的基于变压器的图形表示学习框架,用于DDI预测.
- 整合化学知识,提高DDI预测模型的可解释性.
- 提高DDI预测的准确性和概括能力.
主要方法:
- 开发了TRACE,这是一个基于变压器的图形表示学习框架.
- 将化学知识集成到模型架构中.
- 利用注意力机制进行解释性和子结构识别.
主要成果:
- 与最先进的模型相比,TRACE 在分销和分销之外的环境中表现出更高的性能.
- 该框架成功地确定了与DDI相关的高风险化学子结构.
- 取得了强大的预测性能和概括能力.
结论:
- TRACE为DDI预测提供了一种可靠和可解释的方法.
- 该模型通过子结构分析增强对DDI机制的理解.
- TRACE支持更安全的药物开发,并为组合治疗策略提供信息.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
07:40A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
Published on: May 27, 2021
相关概念视频
Drug toxicity: Drug–Drug Interaction
Pharmacodynamic Models: Additive and Proportional Drug Effect Model
Pharmacokinetics: Drug–Drug Interactions
Pharmacokinetic Models: Overview
There are three primary types of models: empirical, compartment, and physiological. Empirical models, with minimal...
Quantitative Aspects of Drug-Receptor Interaction
Pharmacodynamic Models: Overview
