近日，EON体育4平台魏冬青課題組在生物信息學頂級刊物《Briefings in Bioinformatics》（IF:11.622）上發表題為“MDF-SA-DDI: predicting drug–drug interaction events based on multi-source drug fusion, multi-source feature fusion and transformer self-attention mechanism”的研究論文。該論文提出了一種基於多源藥物融合、多源特征融合和transformer自註意力機製的藥物-藥物相互作用(DDI)事件預測方法——MDF-SA-DDI。EON体育4平台2021級碩士生林聖庚，博士後王艷菁和渥太華大學碩士生張淩峰為該論文的並列第一作者，EON体育4平台魏冬青教授和熊毅副研究員為該論文的共同通訊作者⚡️。

聯合使用多種藥物的主要問題之一是：可能會引起藥物的不良相互作用和副作用，損害身體。因此👩‍👩‍👦，預測潛在的藥物相互作用非常重要。然而🙌🏼，現有的預測方法大多只能預測兩種藥物是否相互作用，能預測兩種藥物相互作用事件的方法很少。準確預測兩種藥物的相互作用事件對研究人員研究兩種藥物的相互作用機製更有幫助。本文提出了一種基於多源藥物融合🚴🏿‍♂️🧳、多源特征融合和transformer自註意力機製的藥物-藥物相互作用(DDI)事件預測方法——MDF-SA-DDI。MDF-SA-DDI主要由多源藥物融合和多源特征融合兩部分組成🩸。首先♟，利用四種不同的藥物融合網絡(孿生網絡、卷積神經網絡和兩個不同的自編碼器)來獲得藥物的四種不同的潛在特征向量對🤽🏿。然後，使用自註意力機製模塊進行隱特征融合。論文在兩個數據集上對三個不同的任務進行了實驗⚰️。在小數據集上，該模型在任務1上的AUPR和F1得分分別達到0.9737和0.8878🥞，優於最新的方法。在大數據集上，該模型對task 1的AUPR和F1評分分別達到0.9773和0.9117👩🏻‍💼。在兩個數據集的任務2和任務3中，該模型也取得了與最好的模型相同或更好的性能。更重要的是，作者對五類DDI事件進行了案例研究🥰，並取得了令人滿意的效果。源代碼和數據可以在https://github.com/ShenggengLin/MDF-SA-DDI上找到。

MDF-SA-DDI藥物相互作用預測模型架構

論文鏈接

https://pubmed.ncbi.nlm.nih.gov/34671814/