近日，上海交通大學(xué)生命科學(xué)技術(shù)學(xué)院魏冬青課題組在生物信息學(xué)頂級(jí)刊物《Briefings in Bioinformatics》（IF：11.622）上發(fā)表題為“MDF-SA-DDI： predicting drug–drug interaction events based on multi-source drug fusion， multi-source feature fusion and transformer self-attention mechanism”的研究論文。該論文提出了一種基于多源藥物融合、多源特征融合和transformer自注意力機(jī)制的藥物-藥物相互作用(DDI)事件預(yù)測方法——MDF-SA-DDI。生命科學(xué)技術(shù)學(xué)院2021級(jí)碩士生林圣庚，博士后王艷菁和渥太華大學(xué)碩士生張凌峰為該論文的并列第一作者，生命科學(xué)技術(shù)學(xué)院魏冬青教授和熊毅副研究員為該論文的共同通訊作者。

聯(lián)合使用多種藥物的主要問題之一是：可能會(huì)引起藥物的不良相互作用和副作用，損害身體。因此，預(yù)測潛在的藥物相互作用非常重要。然而，現(xiàn)有的預(yù)測方法大多只能預(yù)測兩種藥物是否相互作用，能預(yù)測兩種藥物相互作用事件的方法很少。準(zhǔn)確預(yù)測兩種藥物的相互作用事件對(duì)研究人員研究兩種藥物的相互作用機(jī)制更有幫助。本文提出了一種基于多源藥物融合、多源特征融合和transformer自注意力機(jī)制的藥物-藥物相互作用(DDI)事件預(yù)測方法——MDF-SA-DDI。MDF-SA-DDI主要由多源藥物融合和多源特征融合兩部分組成。首先，利用四種不同的藥物融合網(wǎng)絡(luò)(孿生網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和兩個(gè)不同的自編碼器)來獲得藥物的四種不同的潛在特征向量對(duì)。然后，使用自注意力機(jī)制模塊進(jìn)行隱特征融合。論文在兩個(gè)數(shù)據(jù)集上對(duì)三個(gè)不同的任務(wù)進(jìn)行了實(shí)驗(yàn)。在小數(shù)據(jù)集上，該模型在任務(wù)1上的AUPR和F1得分分別達(dá)到0.9737和0.8878，優(yōu)于最新的方法。在大數(shù)據(jù)集上，該模型對(duì)task 1的AUPR和F1評(píng)分分別達(dá)到0.9773和0.9117。在兩個(gè)數(shù)據(jù)集的任務(wù)2和任務(wù)3中，該模型也取得了與最好的模型相同或更好的性能。(生物谷Bioon.com）