Прогнозування побічних ефектів поліпрагмазії за допомогою графової нейронної мережі

Автор(и)

  • В. П. Кузняк Вінницький національний технічний університет
  • О.К. Колесницький Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1681-7893-2024-47-1-88-95

Ключові слова:

механізм уваги, медицина, графи

Анотація

У статті наведено аналіз відомих класів методів прогнозування побічних ефектів поліпрагмазії. Запропоновано новий метод прогнозування побічних ефектів поліпрагмазії на основі гетерогенної графової нейронної мережі з блоками уваги. На основі відомої інформації про лікарський засіб, а саме індивідуальні побічні ефекти та взаємодію з білковими рецепторами, мережа здатна спрогнозувати наявність побічних ефектів при комбінації з іншими відомими лікарськими засобами. Ця інформація у вигляді графового представлення даних для кожного з обох лікарських засобів подається на вхід нейронній мережі, яка визначає наявність зв’язку між двома вузлами та ймовірність кожного побічного ефекту, заданого під час тренування. Мережа через свою індуктивнсть здатна робити прогнози для лікарських засобів, які не використовувалися під час навчання моделі, що надає можливість узагальнювати передбачення побічних ефектів для будь-якого лікарських засобів з відомими індивідуальними побічними ефектами та інформацією про цільові протеїни.

Біографії авторів

В. П. Кузняк, Вінницький національний технічний університет

магістрант кафедри комп’ютерних наук

О.К. Колесницький, Вінницький національний технічний університет

кандидат технічних наук, професор, професор кафедри комп’ютерних наук

Посилання

Zong N, Kim H, Ngo V, Harismendy O. Deep mining heterogeneous networks of biomedical linked data to predict novel drug-target associations. Bioinformatics. 2017 Aug 1;33(15):2337-2344.

Perozzi B. et al. (2014) Deepwalk: Online learning of social representations. In: Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM. pp. 701–710.

Cheng F. et al. (2012) Prediction of drug–target interactions and drug repositioning via network-based inference. PLoS Comput. Biol., 8, e1002503.

Zitnik M, Agrawal M, Leskovec J. Modeling polypharmacy side effects with graph convolutional networks. Bioinformatics. 2018 Jul 1;34(13):i457-i466.

Nováček V, Mohamed SK. Predicting Polypharmacy Side-effects Using Knowledge Graph Embeddings. AMIA Jt Summits Transl Sci Proc. 2020 May 30;2020:449-458.

Xiao Wang, Houye Ji, Chuan Shi, Bai Wang, Yanfang Ye, Peng Cui, and Philip S Yu. 2019. Heterogeneous Graph Attention Network. In The World Wide Web Conference (WWW '19). Association for Computing Machinery, New York, NY, USA, 2022–2032.

Yang, Bishan, Wen-tau Yih, Xiaodong He, Jianfeng Gao and Li Deng. “Embedding Entities and Relations for Learning and Inference in Knowledge Bases.” International Conference on Learning Representations (2014).

Intelligent technologies for modeling surgical interventions: a monograph / O. G. Avrunin, S. B. Bezshapochnyi, E. V. Bodyanskyi, V. V. Semenets, V. O. Filatov – Kharkiv: Khnure, 2018. – 224 p.

Modern intellectual technologies of functional medical diagnostics: a monograph / O. G. Avrunin, E. V. Bodyanskyi, M. V. Kalashnyk, V. V. Semenets, V. O. Filatov. - Kharkiv: Khnure, 2018. - 236 p.

Intellectual technologies in medical diagnosis, treatment and rehabilitation: monograph / [S.V. Pavlov, O.G. Avrunin, S.M. Zlepko, E.V. Bodyansky and others]; edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelweiss and K", 2019. - 260 p.

Modern methods of diagnosis of respiratory-olfactory function: monograph / O. G. Avrunin, Y. V. Nosova, V. V. Semenets, V. O. Filatov, N. O. Shushlyapina. – Kharkiv: Khnure, 2021. – 150 p. ISBN 978-966-659-300-2

##submission.downloads##

  • pdf
    Завантажень: 9
Переглядів анотації: 19

Опубліковано

2024-06-27

Як цитувати

[1]
В. П. . Кузняк і О. Колесницький, «Прогнозування побічних ефектів поліпрагмазії за допомогою графової нейронної мережі», Опт-ел. інф-енерг. техн., вип. 47, вип. 1, с. 88–95, Чер 2024.

Номер

Том 47 № 1 (2024)

Розділ

Системи технічного зору і штучного інтелекту з обробкою та розпізнаванням зображень

Метрики

Завантаження

Дані завантаження ще не доступні.

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).