W ramach tego projektu zaproponowano struktur¿ pó¿nadzorowanego uczenia si¿ na grafach s¿u¿¿c¿ do przewidywania interakcji mi¿dzy lekami, maj¿c¿ na celu prze¿amanie ogranicze¿ tradycyjnych metod uczenia nadzorowanego, które wymagaj¿ du¿ych ilo¿ci oznaczonych danych dotycz¿cych interakcji. Proponowane podej¿cie skutecznie integruje zarówno oznaczone, jak i nieoznaczone informacje o lekach, umo¿liwiaj¿c modelowi uczenie si¿ znacz¿cych wzorców nawet wtedy, gdy dost¿pna jest jedynie ograniczona liczba znanych interakcji. Kädy lek jest reprezentowany za pomoc¿ kompleksowych informacji o cechach, w tym struktur molekularnych, deskryptorów chemicznych, w¿äciwo¿ci farmakologicznych oraz istniej¿cych sieci interakcji. Cechy te s¿ w¿¿czane do reprezentacji opartej na grafie, która zachowuje wewn¿trzne relacje mi¿dzy lekami. Nast¿pnie wykorzystuje si¿ sie¿ neuronow¿ grafow¿ do przekazywania komunikatów i agregacji s¿siedztwa, generuj¿c wektory osadzenia o niskiej wymiarowo¿ci, które oddaj¿ zarówno cechy strukturalne, jak i semantyczne kädego leku w sieci interakcji. Te wyuczone wektory osadzenia s¿ nast¿pnie wykorzystywane do przewidywania nieznanych wcze¿niej lub potencjalnych interakcji mi¿dzy lekami z wi¿ksz¿ dok¿adno¿ci¿.
Prijshistorie
* Prijshistorie bevat geen data van Amazon.
Prijzen voor het laatst bijgewerkt op: