پيش بيني ارتباط دارو و بيماري بااستفاده از شبكه عصبي گرافي

اصفهان : دانشگاه صنعتي اصفهان

رياضي

كارشناسي ارشد

تعيين ارتباط بين دارو و بيماري بخش مهمي از فرايند توسعه دارو است. اما شناسايي اين ارتباط‌ها از طريق آزمايش‌هاي تجربي هزينه بر و ناكارآمد است؛ بنابراين توسعه روش‌هاي محاسباتي كارآمد و بادقت براي پيش‌بيني ارتباط بين دارو و بيماري بسيار مهم است.در اين پژوهش، روشي جديد محاسباتي به نام شبكه پيچشي گراف با توجه لايه براي پيش‌بيني ارتباط بين دارو و بيماري پيشنهاد شده است. اين مدل ابتدا گراف داده‌ها را با استفاده از شبكه عصبي توجه گرافي وزن‌دهي كرده و سپس اين گراف را كه نشانگر شباهت‌هاي وزن‌دهي شده دارو - دارو است به همراه گراف نشان‌دهنده ارتباطات شناخته شده بين دارو و بيماري و بيماري - بيماري را در يك شبكه ناهمگن ادغام مي‌كند، و عمليات پيچشي گراف را بر روي اين شبكه اعمال مي‌كند تا نمايش‌هاي تعبيه دارو و بيماري را ياد بگيرد. سپس، مدل نمايش‌هاي از چندين لايه پيچشي گراف را با استفاده از مكانيزم توجه تركيب مي‌كند. در نهايت، ارتباطات مشاهده نشده بين دارو و بيماري بر اساس نمايش‌هاي تركيبي امتيازدهي مي‌شوند.ارزيابي مدل پيشنهادي نشان مي‌دهد كه اين روش عملكرد بهتري نسبت به روش‌هاي پيشين دارد و قادر است $AUC$ 95 درصد و $AUPR$ 54 درصد را كسب كند.اين مدل ابزار مفيدي براي پيش‌بيني ارتباط بين دارو و بيماري است. اين مطالعه نشان مي‌دهد كه نمايش‌هاي حاصل از لايه‌هاي پيچشي مختلف مي‌توانند نزديكي‌هاي مرتبه مختلف را منعكس كنندو تركيب اين نمايش‌ها با استفاده از مكانيزم توجه مي‌تواند عملكرد پيش‌بيني را بهبود بخشد.همچنين، مطالعه موردي نشان مي‌دهد كه اين مدل مي‌تواند ارتباطات جديد و ناشناخته‌اي را كشف كند. هم چنين پژوهش نشان دهنده تاثير تغيير گراف ورودي شبكه در جهت بهبود دقت مدل مي باشد.

232392

علوم داده

رياضي

دانشگاه صنعتي اصفهان