要約
薬物標的相互作用 (DTI) の特定と発見は、創薬と開発において重要なステップです。
これらは、科学者が新薬を発見し、新薬開発プロセスを加速するのを支援する上で重要な役割を果たします。
最近、ナレッジ グラフおよびナレッジ グラフ埋め込み (KGE) モデルが急速に進歩し、創薬において目覚ましいパフォーマンスを実証しました。
しかし、そのようなモデルは薬剤標的の同定における信頼性と正確性に欠けており、誤った判断率の増加と薬剤開発効率の低下につながります。
これらの問題に対処するために、私たちはナレッジマッピングをコアテクノロジーとして、薬物と標的の相互作用の問題に焦点を当てています。
具体的には、因果的介入に基づく信頼性尺度を使用してトリプレットスコアを評価し、薬物-標的相互作用予測モデルの精度を向上させます。
実験結果は、因果的介入に基づいて開発された信頼度測定方法が、特に高精度モデルの場合、DTI リンク予測の精度を大幅に向上できることを示しています。
予測結果は、その後の医薬品開発実験の設計と開発をガイドする上でより価値があり、それによって医薬品開発の効率が大幅に向上します。
要約(オリジナル)
Identifying and discovering drug-target interactions(DTIs) are vital steps in drug discovery and development. They play a crucial role in assisting scientists in finding new drugs and accelerating the drug development process. Recently, knowledge graph and knowledge graph embedding (KGE) models have made rapid advancements and demonstrated impressive performance in drug discovery. However, such models lack authenticity and accuracy in drug target identification, leading to an increased misjudgment rate and reduced drug development efficiency. To address these issues, we focus on the problem of drug-target interactions, with knowledge mapping as the core technology. Specifically, a causal intervention-based confidence measure is employed to assess the triplet score to improve the accuracy of the drug-target interaction prediction model. Experimental results demonstrate that the developed confidence measurement method based on causal intervention can significantly enhance the accuracy of DTI link prediction, particularly for high-precision models. The predicted results are more valuable in guiding the design and development of subsequent drug development experiments, thereby significantly improving the efficiency of drug development.
arxiv情報
著者 | Wenting Ye,Chen Li,Yang Xie,Wen Zhang,Hong-Yu Zhang,Bowen Wang,Debo Cheng,Zaiwen Feng |
発行日 | 2023-11-14 13:36:53+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google