【论文初读】MUFFIN模型

前言：刚入研一，导师给了篇论文让读，一脸懵逼，还好有大佬先写出来了可以参考。

【论文阅读----DDI（1）】MUFFIN: multi-scale feature fusion for drug–drug interaction prediction_杨华霖的博客-CSDN博客

论文连接：(PDF) MUFFIN: Multi-Scale Feature Fusion for Drug-Drug Interaction Prediction (researchgate.net)

汇报完之后也会把讨论的内容更新

---------------------------------------------------------------------------------------------------------------------------------

研究动机：药物不良相互作用（DDIs）对药物研究至关重要，主要导致发病率和死亡率。因此，识别潜在的DDI对医生，患者和社会至关重要。现有的传统机器学习模型在很大程度上依赖于手工特征并且缺乏泛化。最近，从分子图或药物相关网络中自动学习药物特征的深度学习方法提高了计算模型预测未知DDI的能力。然而。然而，以前的工作使用了大量的标记数据，只考虑了药物的结构或序列信息，而没有考虑药物与其他生物医学对象（如基因、疾病和途径）之间的关系或拓扑信息，或者知识图 (KG) 或者来自药物分子结构的信息【总之就是以前的考虑不全都是考虑的一个的，他把两个合起来看了】

所以，本文提出了个（多尺度特征融合深度学习模型MUFFI）MUFFIN是个基于深度学习的二值类(药和药之间有没有联系)、多类(172426个DDI对，具有81个关系)和多标签(99002个具有200种不同关系的DDI)的DDI预测特征融合框架，可以通过交叉将从大规模KG和药物分子图中学习到的特征结合起来，共同学习药物内部(化学结构)和外部(KG)特征的融合

MUFFIN工作原理：

这东西可以分为3个模块，左边=学习模块，中间=特征融合模块，右边=分类器模块

 

学习模块：

分为上下两个，上半部分 = 对药物本身即分子式的特征提取(内在)；下半部分 = 药在对知识图谱的特征提取

 

特征融合模块：

上半部分 = 将图和KG的特征进行融合来提取全局特征和局部特征；下半部分 = 待补充

 

 

分类器模块：

 

实验结果：

 

ps：后边的看不明白了，好像是啥各种模型处理数据的对比。各种公式一脸懵逼，远方的路仍然漫长

代码：https://github.com/xzenglab/ MUFFIN. 下载了也没看明白，白给。等汇报的时候好好问问老师们