Drug side

研究问题

预测药物和副作用之间的发生频率等级

数据

一、药物分子图：药物结构来自 DrugBank 和 PubChem,给的是 SMILES 表示,论文用 RDKit 把它解析成分子图,节点是原子、边是化学键,每个原子有一百零九维的化学特征向量。

二、副作用的医学层级特征：先用的是医学层级的特征表示,然后论文用药物-副作用频率矩阵里每个副作用的列向量算相似度,给每个副作用选最像的十个邻居连边,构成副作用近邻图作为输入结构。

三、药物-副作用频率矩阵：每对组合是一级到五级的频率标签,零表示未记录不等于没有。

模型

整体有两条并行通路。

结构通路里,药物分子图进图注意力网络,学原子间结构,再汇总成一个「药物结构向量」;副作用近邻图也进图注意力网络,每个副作用得到自己的「副作用结构向量」,这一步双方还没直接交互。

交互通路里,把一款药的所有原子特征和全部副作用特征先映射到同一维度,拼成一条序列送进注意力编码器。编码器会更新每个位置的向量但不改顺序,所以事后还能拆分成「药物交互理解」和「副作用交互理解」。

融合时是同侧融合——分别对药物和副作用加权相加，0.85 结构+0.15 交互。最终药物向量和副作用向量。最后用最终药物向量和每个最终副作用向量做内积,得到这对组合的频率预测。