Zimo Yan Jie Zhang Zheng Xie Yiping Song Hao Li

الملخص

يُعد التنبؤ الدقيق بالتفاعلات الدوائية (DDI) أمرًا حاسمًا لضمان سلامة العلاج وتطوير الأدوية بشكل فعّال. ومع ذلك، يواجه الطرق الحالية صعوبات في التقاط المعلومات البنائية على مختلف المقياس، بدءًا من المجموعات الوظيفية المحلية وصولاً إلى البنية الشبكية العامة للجزيئات، كما تفتقر عادةً إلى آليات لتقدير درجة الثقة في التنبؤات. وللتغلب على هذه القيود، نقترح إطارًا جديدًا يُسمى MPNP-DDI، وهو إطار مُعالجات رياضية على الرسوم البيانية متعددة المقياس (Multi-scale Graph Neural Process). ويتكون جوهر MPNP-DDI من خوارزمية تبادل الرسائل الفريدة، التي تُطبَّق بشكل تكراري لتعلم هرمية تمثيلات الرسوم البيانية على مقياس متعدد المستويات. وبشكل حاسم، يُدمج ميكانيزم الانتباه المتبادل بين الأدوية (cross-drug co-attention) لدمج تمثيلات متعددة المقياس بشكل ديناميكي، بهدف إنتاج تمثيلات واعية بالسياق للأزواج الدوائية المتفاعلة، في حين يوفر وحدة معالجة عصبية مدمجة تقديرًا منهجيًا لدرجة عدم اليقين. وأظهرت التجارب الواسعة أن MPNP-DDI يتفوق بشكل ملحوظ على أفضل النماذج الحالية في مجموعات البيانات القياسية. وبفضل تقديم تنبؤات دقيقة، قابلة للتعميم، وواعية بدرجة عدم اليقين، مبنية على ميزات بنائية متعددة المقياس، يُعد MPNP-DDI أداة حاسوبية قوية تُسهم في مراقبة سلامة الأدوية، وتقييم مخاطر العلاج المتعدد الأدوية، ودعم الطب الدقيق.