CADGL: التعلم الرáfico العميق القائم على السياق لتنبؤ التفاعلات بين الأدوية

فحص التفاعلات الدوائية-الدوائية (DDIs) هو عنصر محوري في عملية تطوير الأدوية. تحدث هذه التفاعلات عندما تتأثر خصائص دواء بوجود أدوية أخرى. يمكن أن يساهم اكتشاف التفاعلات الدوائية-الدوائية الإيجابية في فتح الطرق أمام إنشاء وتطوير أدوية مبتكرة قابلة للتطبيق في البيئات العملية. ومع ذلك، فإن النماذج الحالية لتنبؤ التفاعلات الدوائية-الدوائية لا تزال تواجه تحديات مرتبطة بالعمومية في الحالات المتطرفة، واستخراج الخصائص بشكل متين، وإمكانات التطبيق في الحياة الواقعية. نهدف إلى معالجة هذه التحديات من خلال الاستفادة من فعالية التعلم الرسومي العميق القائم على السياق من خلال تقديم إطار جديد يُسمى CADGL. استنادًا إلى كودر الرسومات المتغير المخصص (VGAE)، نقوم بتسجيل المعلومات الهيكلية والفيزيوكيميائية الحرجة باستخدام معالجين سياقيين مخصصين لاستخراج الخصائص من وجهتي نظر مختلفتين: الجوار المحلي والسياق الجزيئي، ضمن بنية رسومية غير متجانسة. يتكون كودر الرسومات المتغير المخصص لدينا من كودر الرسم، وكودر المعلومات الكامنة، وفاكتر الفك (MLP decoder). يتفوق الإطار الجديد CADGL على النماذج الأخرى الأكثر تقدمًا في مجال تنبؤ التفاعلات الدوائية-الدوائية، حيث يتميز بقدرته على التنبؤ بالتفاعلات الدوائية-الدوائية الجديدة ذات القيمة السريرية، وهو ما يدعمه دراسات حالة صارمة.