超越化学相似性：基于MeSH语义和药物靶蛋白知识图谱的结构无关药物—药物相互作用预测

背景：不良药物相互作用（drug–drug interactions, DDIs）会导致本可预防的住院事件，但对所有药物对进行穷尽式实验筛查是不可行的。许多计算预测方法依赖于 SMILES 或其他分子表示，这限制了其对生物制剂及其他非小分子治疗药物的直接适用性。我们提出了一种与结构无关的框架，将源自医学主题词（Medical Subject Headings, MeSH）的语义表示与基于 DrugBank 和 UniProt 构建的药物靶蛋白知识图谱的图拓扑表示相结合。我们进一步考察了 MeSH 注释深度的变化如何影响预测性能。 结果：根据药物最深层的 MeSH 注释层级，将药物分为 Low、Mid 和 Deep 三组，并在传导式和归纳式设置下，对由此形成的相互作用类别进行性能评估。中等本体范围（Low+Mid）表现出最稳定的性能，而加入 Deep 层级术语带来的收益有限且不一致。通过逐实例、逐维度的潜在空间门控机制，将轻量级拓扑描述符与 MeSH 特征进行融合，并使用人工整理的可靠负样本药物对进行监督。在传导式设置下，与仅使用 MeSH 的基线相比，融合方法在全部六个类别上的平均性能均有所提升。在归纳式设置下，最明显的增益出现在 Low–Low 相互作用（{triangleup}AUROC = 0.056；{triangleup}F1 = 0.137）和 Low–Mid 相互作用（{triangleup}AUROC = 0.077；{triangleup}F1 = 0.114）。 结论：MeSH 注释深度与 DDI 预测性能的系统性差异相关，而这种差异可能会被总体汇总评估所掩盖。当本体注释较浅时，来源于图的拓扑信息尤其具有价值。该框架提供了一种同时兼容小分子药物与生物治疗药物的通用、与结构无关的表示方式，并支持对后续专家评估所需的 DDI 进行初步优先级排序。

超越化学相似性：利用 MeSH 语义和药物靶蛋白知识图谱进行结构无关的药物-药物相互作用预测 | bioRxiv

跳转至主要内容

首页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

超越化学相似性：利用 MeSH 语义和药物靶蛋白知识图谱进行结构无关的药物-药物相互作用预测

Ardan Yilmaz，Szymon Szydlik，Golnaz Taheri

doi： https://doi.org/10.64898/2026.08.10.743843

Ardan Yilmaz 1 KTH 皇家理工学院； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC 4.0 国际许可协议公开提供。

返回顶部

上一篇

下一篇

发表于 2026 年 8 月 14 日。

下载 PDF

电子邮件

感谢您有兴趣传播 bioRxiv 上的这篇文章。

您的电子邮件

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或以逗号分隔。

您将要通过电子邮件发送以下内容

超越化学相似性：利用 MeSH 语义和药物靶蛋白知识图谱进行结构无关的药物-药物相互作用预测

邮件主题

（您的姓名）从 bioRxiv 转发了一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。

分享

超越化学相似性：利用 MeSH 语义和药物靶蛋白知识图谱进行结构无关的药物-药物相互作用预测

Ardan Yilmaz，Szymon Szydlik，Golnaz Taheri

bioRxiv 2026.08.10.743843； doi： https://doi.org/10.64898/2026.08.10.743843

分享本文：

复制

引文工具

超越化学相似性：利用 MeSH 语义和药物靶蛋白知识图谱进行结构无关的药物-药物相互作用预测

Ardan Yilmaz，Szymon Szydlik，Golnaz Taheri

bioRxiv 2026.08.10.743843； doi： https://doi.org/10.64898/2026.08.10.743843

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.10.743843v1?rss=1

🏷️ 药物相互作用预测 MeSH语义表示 知识图谱 药物靶蛋白 结构无关建模 归纳学习