近日，上海交通大学生命科学技术学院魏冬青课题组在生物信息学顶级刊物《Briefings in Bioinformatics》（IF:11.622）上发表题为“MDF-SA-DDI: predicting drug–drug interaction events based on multi-source drug fusion, multi-source feature fusion and transformer self-attention mechanism”的研究论文。该论文提出了一种基于多源药物融合、多源特征融合和transformer自注意力机制的药物-药物相互作用(DDI)事件预测方法——MDF-SA-DDI。生命科学技术学院2021级硕士生林圣庚，博士后王艳菁和渥太华大学硕士生张凌峰为该论文的并列第一作者，生命科学技术学院魏冬青教授和熊毅副研究员为该论文的共同通讯作者。

联合使用多种药物的主要问题之一是：可能会引起药物的不良相互作用和副作用，损害身体。因此，预测潜在的药物相互作用非常重要。然而，现有的预测方法大多只能预测两种药物是否相互作用，能预测两种药物相互作用事件的方法很少。准确预测两种药物的相互作用事件对研究人员研究两种药物的相互作用机制更有帮助。本文提出了一种基于多源药物融合、多源特征融合和transformer自注意力机制的药物-药物相互作用(DDI)事件预测方法——MDF-SA-DDI。MDF-SA-DDI主要由多源药物融合和多源特征融合两部分组成。首先，利用四种不同的药物融合网络(孪生网络、卷积神经网络和两个不同的自编码器)来获得药物的四种不同的潜在特征向量对。然后，使用自注意力机制模块进行隐特征融合。论文在两个数据集上对三个不同的任务进行了实验。在小数据集上，该模型在任务1上的AUPR和F1得分分别达到0.9737和0.8878，优于最新的方法。在大数据集上，该模型对task 1的AUPR和F1评分分别达到0.9773和0.9117。在两个数据集的任务2和任务3中，该模型也取得了与最好的模型相同或更好的性能。更重要的是，作者对五类DDI事件进行了案例研究，并取得了令人满意的效果。源代码和数据可以在https://github.com/ShenggengLin/MDF-SA-DDI上找到。

MDF-SA-DDI药物相互作用预测模型架构

论文链接

https://pubmed.ncbi.nlm.nih.gov/34671814/