AI医药论文笔记--MUFFIN: 多尺度特征融合用于药物相互作用预测

MUFFIN:多尺度特征融合预测药物-药物相互作用

一、研究现状？

以往的研究大多依赖大量标记数据，并且通常仅关注药物的结构和序列特性；然而这些研究往往忽视了药物与其他生物医学实体（如基因、疾病、代谢通路等）之间的相互作用及其网络拓扑结构；此外还有些研究专注于构建知识图谱(KG)，却忽视了药物分子特性的细节

二、MUFFIN模型？

MUFFIN是一种以药物化学组成和**生物医学知识图谱（KG）**为基础构建的深度学习框架，并能够通过融合这些数据进行有效的药-药相互作用（DDI）预测；该框架不仅能够提取药物内部的化学组成特征以及与外源性丰富的生物医学知识图谱相关的药物表征信息，并且还能够通过深度学习模型实现这些特征之间的协同效应预测。

采用了两级架构体系，其中包含交叉级模块与标量级模块两部分。该体系能够整合内部特性和外部特性的不同层次（粒度）。该架构设计灵活可靠。

(i) 交叉层是通过与不同特征向量做外积运算来生成新的中间层表示；分别从局部空间中的深度卷积神经网络提取出局部空间表示以及从全局感知器