摘 要：识别和预测特定药物与疾病之间的关联关系，是药物研发过程中必不可少的一部分。之前的计算方法并没有很好地整合药物和疾病的多种异源信息。本文提出了一种新的基于多核学习和图卷积网络的计算方法预测药物-疾病关联。首先，对于药物相似度，基于药物-疾病关联矩阵和药物化学结构特征信息构建多个相似度核矩阵；同样，对于疾病相似度，基于关联矩阵构建多个相似度矩阵，并结合疾病语义相似度。其次，对这些相似度矩阵使用基于中心核对齐的多核学习算法进行整合。然后，构建基于图卷积网络的模型处理相似度网络和关联网络，从而提取药物和疾病特征。最后，使用内积解码器预测药物-疾病关联。与现有的计算方法对比，验证了本预测模型可以更准确地预测药物-疾病关联。

论文下载：

基于多核学习和图卷积网络的药物–疾病关联预测_陈书新.pdf

  浏览次数：