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
凯禾瑞华养老实训室1 小时前
人才教育导向下:老年生活照护实训室助力提升学生老年照护服务能力
人工智能
湫兮之风2 小时前
Opencv: cv::LUT()深入解析图像块快速查表变换
人工智能·opencv·计算机视觉
Christo32 小时前
TFS-2018《On the convergence of the sparse possibilistic c-means algorithm》
人工智能·算法·机器学习·数据挖掘
qq_508823402 小时前
金融量化指标--2Alpha 阿尔法
大数据·人工智能
黑金IT3 小时前
`.cursorrules` 与 `.cursorcontext`:Cursor AI 编程助手时代下的“双轨配置”指南
人工智能
dlraba8024 小时前
基于 OpenCV 的信用卡数字识别:从原理到实现
人工智能·opencv·计算机视觉
IMER SIMPLE4 小时前
人工智能-python-深度学习-经典神经网络AlexNet
人工智能·python·深度学习
小憩-6 小时前
【机器学习】吴恩达机器学习笔记
人工智能·笔记·机器学习
却道天凉_好个秋6 小时前
深度学习(二):神经元与神经网络
人工智能·神经网络·计算机视觉·神经元
UQI-LIUWJ6 小时前
unsloth笔记:运行&微调 gemma
人工智能·笔记·深度学习