Propagation d'information tri-graphique pour la prédiction des effets secondaires polypharmaceutiques

L’utilisation de combinaisons de médicaments conduit souvent à des effets indésirables liés à la polypharmacie (POSE). Une méthode récente formule la prédiction du POSE comme un problème de prédiction de liens sur un graphe reliant les médicaments et les protéines, qu’elle résout à l’aide de réseaux de convolution de graphes (GCN). Toutefois, en raison de la complexité des relations impliquées dans le POSE, cette approche présente un coût computationnel élevé et une forte demande mémoire. Ce papier propose un modèle flexible de propagation d’information tri-graphique (TIP), fonctionnant sur trois sous-graphes afin d’apprendre progressivement des représentations par propagation du graphe protéine-protéine vers le graphe médicament-médicament via le graphe protéine-médicament. Les expérimentations montrent que TIP améliore l’exactitude de plus de 7 %, augmente l’efficacité temporelle de 83 fois et réduit la consommation mémoire de 3 fois.