Передбачення типів взаємодій лікарняних засобів за допомогою графових нейромереж

Abstract

Об'єкт дослідження – процес передбачення типів та ефектів взаємодій лікарських препаратів на основі їх структурних і фармакологічних властивостей. Предмет дослідження – методи та архітектури глибокого навчання для ієрархічної класифікації ефектів лікарських взаємодій в умовах cold-start оцінювання. Мета роботи – розробка та експериментальне дослідження мультимодальної каскадної системи прогнозування лікарських взаємодій, що забезпечує передбачення для нових молекул без попередньої інформації про їх взаємодії. Методи дослідження – графові нейронні мережі (GIN) для кодування молекулярних структур зі SMILES, мовна модель білків ESM-2 650M для представлення білкових мішеней, каскадна ієрархічна декомпозиція задачі класифікації, Focal Loss і зважений семплер для роботи з дисбалансом класів, drug-wise розбиття даних для забезпечення cold-start протоколу. Розроблено мультимодальну каскадну систему прогнозування лікарських взаємодій на основі DrugBank 6.0, що поєднує GIN-енкодер молекулярних графів і ESM-2 ембеддинги білкових мішеней. У cold-start протоколі система досягає macro AUC 0.883 для PK-ефектів і 0.845 для non-PK міток, що є конкурентоспроможним результатом для сценарію скринінгу нових сполук.