Core Concepts
생물의학 지식 그래프를 활용하여 약물-약물 상호작용을 정확하게 예측하고 그 이유를 설명할 수 있는 방법을 제안한다.
Abstract
이 연구는 약물-약물 상호작용(DDI) 예측을 위한 KnowDDI라는 그래프 신경망 기반 방법을 제안한다. KnowDDI는 다음과 같은 특징을 가진다:
대규모 생물의학 지식 그래프에서 약물 표현을 적응적으로 활용하여 풍부하게 만든다.
각 약물 쌍에 대한 지식 하위 그래프를 학습하여 예측 결과를 해석할 수 있게 한다.
지식 하위 그래프에는 중요한 기존 DDI 관계와 약물 간 유사성이 반영된다.
기존 DDI 사실이 부족한 상황에서도 풍부한 약물 표현과 전파된 약물 유사성을 통해 성능 저하를 최소화한다.
실험 결과, KnowDDI는 벤치마크 DDI 데이터셋에서 최신 방법들을 능가하는 예측 성능과 해석 가능성을 보여준다. 또한 외부 지식 그래프가 더 희소한 경우에도 다른 방법들보다 덜 영향을 받는다. 이는 풍부한 약물 표현과 전파된 약물 유사성이 DDI 부족을 보완하는 데 더 중요한 역할을 하기 때문이다.
Stats
약물-약물 상호작용은 전체 입원 환자의 1%와 노인 환자의 2-5%에서 발생하는 중요한 부작용 원인이다.
DrugBank 데이터베이스에는 14,931개 약물 항목 중 365,984개의 알려진 DDI 사실만 포함되어 있다.
이는 전체 잠재적 DDI의 1% 미만에 불과하다.
Quotes
"약물 상호작용을 발견하는 것은 임상 치료와 신약 개발 분야에서 오랫동안 해결해야 할 과제이다."
"최근 딥러닝 기술이 DDI 예측을 위해 개발되었지만, 많은 샘플이 필요하고 알려진 DDI는 드물다는 문제가 있다."