DDI-GPT:使用知识图谱增强的大模型对药物相互作用进行可解释的预测

DDI-GPT: Explainable Prediction of Drug-Drug Interactions using Large Language Models enhanced with Knowledge Graphs 是一篇关于药物相互作用(DDI)预测的研究论文,该研究提出了一个深度学习框架DDI-GPT,它通过结合知识图谱(KGs)和预训练的大型语言模型(LLMs)来预测药物之间的相互作用。以下是对这篇文献内容的解读:

研究背景与目的:

药物相互作用(DDI)可能导致不可预测的药理效应和不良事件,这对患者安全构成威胁。传统的DDI检测方法耗时且成本高昂,因此开发有效的计算方法来预测DDI变得尤为重要 。

知识图谱构建:

DDI-GPT利用iBKH知识图谱,整合了药物靶点、代谢酶、通路、药理分类等多层次信息,包含129,361个实体和4,033,682个关系。

模型架构:

知识模块:将药物对在知识图谱中的信息转换为句子树,以丰富语义表示。

预测模块:基于BioGPT-2架构进行训练,利用TwoSIDES数据集优化模型。

解释模块:通过重要性评分和路径富集分析揭示预测背后的生物学机制 。

零样本预 测:

将训练后的DDI-GPT应用于FDA数据集中的9480条DDI记录,包括442种不同药物,进行模型外推 。

性能评估:

DDI-GPT在AUROC中取得了0.964的最佳性能,并且在9480条DDI记录的零注射预测中达到了0.84 AUROC的高精度,与之前发布的最佳方法相比提高了14%。

模型解释与应用:

DDI-GPT将数据驱动的预测与可解释的见解相结合,通过特征归因方法提高了对通路和交互组网络的解释质量,支持临床决策,包括蛋白质-蛋白质相互作用和不良反应联系的网络可视化

点评观点

独立性:DDI-GPT作为一个独立的框架,不仅能够预测DDI,还能提供预测背后的生物学机制解释,这在药物安全研究中具有重要意义。

延展性:通过整合个体化数据(如基因突变)进一步优化模型性能,DDI-GPT有潜力实现更精准的医疗预测,这对于精准医疗至关重要。

创新点:

DDI-GPT的主要创新在于将知识图谱与大型语言模型相结合,这不仅提升了药物相互作用预测的准确性,还增强了模型的解释性,为药物安全研究提供了强大的工具 。

实际应用价值:

DDI-GPT的实际应用价值体现在其能够提前预测潜在的药物相互作用,为患者安全提供保障,尤其是在新药物或研究不足的药物相互作用预测方面显示出稳健性 。

未来方向:

未来的研究可以通过整合更多的个体化数据和先进的机器学习技术,进一步优化DDI-GPT的性能,使其在药物相互作用预测领域发挥更大的作用。

欢迎关注"赛文AI药学"!

赛文AI药学,致力于探索人工智能在药学场景中的创新与应用,聚焦药师的AI赋能与专业素养提升。我们提供前沿的AI技术动态、实用的药学场景案例分享以及个性化学习资源,助力药师在智能化时代实现价值跃升。

相关推荐
charley.layabox5 小时前
8月1日ChinaJoy酒会 | 游戏出海高端私享局 | 平台 × 发行 × 投资 × 研发精英畅饮畅聊
人工智能·游戏
DFRobot智位机器人6 小时前
AIOT开发选型:行空板 K10 与 M10 适用场景与选型深度解析
人工智能
想成为风筝8 小时前
从零开始学习深度学习—水果分类之PyQt5App
人工智能·深度学习·计算机视觉·pyqt
F_D_Z8 小时前
MMaDA:多模态大型扩散语言模型
人工智能·语言模型·自然语言处理
大知闲闲哟9 小时前
深度学习G2周:人脸图像生成(DCGAN)
人工智能·深度学习
飞哥数智坊9 小时前
Coze实战第15讲:钱都去哪儿了?Coze+飞书搭建自动记账系统
人工智能·coze
wenzhangli79 小时前
低代码引擎核心技术:OneCode常用动作事件速查手册及注解驱动开发详解
人工智能·低代码·云原生
潘达斯奈基~10 小时前
大模型的Temperature、Top-P、Top-K、Greedy Search、Beem Search
人工智能·aigc
倔强青铜三10 小时前
苦练Python第18天:Python异常处理锦囊
人工智能·python·面试
倔强青铜三10 小时前
苦练Python第17天:你必须掌握的Python内置函数
人工智能·python·面试