基于图协同注意力的药物-药物不良反应预测

复杂疾病或多病共存通常采用药物组合进行治疗，这可能导致更高的不良副作用风险。多药副作用的检测通常在第四期临床试验中进行，但当这些药物上市后，仍有许多未被发现的副作用。此类事故影响的人口比例正在不断增加（目前美国已达15%），因此尽早预测潜在副作用具有重要意义。系统性的药物-药物相互作用（DDI）组合筛选既具有挑战性又成本高昂。然而，近年来制药研究与开发过程中数据可用性的显著增加为恢复相关见解以预测DDI提供了一种新的范式。因此，一些最新的方法专注于整理大规模的DDI数据集（包含数百万个样本）并在其上训练机器学习模型。本文提出了一种神经网络架构，能够在仅使用副作用类型和药物分子结构的情况下，在该任务上取得最先进的结果——通过利用协同注意力机制实现这一目标。特别是，我们展示了在学习每种药物的表示时，早期整合来自药物对的联合信息的重要性。