隣接重要度サンプリングを用いたマルチラベル薬物間相互作用予測のための新しいメモリ相互作用ニューラルネットワーク
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：A novel memory interaction neural network for multi-label drug-drug interaction prediction with neighbor importance sampling
雑誌名：Artif Intell Med. 2025 Dec; 170: 103275.
概 要：
本研究は、複数の薬剤の併用が引き起こす薬物間相互作用（DDI）を予測するための新しいメモリ相互作用ニューラルネットワークを提案します。DDIは、薬剤の複雑な相互作用により特定が困難であり、特に有害薬物反応（ADR）を引き起こす可能性があります。従来のネットワークモデルは、DDIトリプレット間の相互作用情報を十分に捉えられず、均一なサンプリング方法が隣接ノードの特性の違いを見落とすことがあります。本研究では、薬剤の分子配列と薬剤知識グラフからの意味情報を統合し、隣接重要度サンプリング戦略を導入することで、計算効率を向上させ、ノイズを低減します。
方 法：
本研究は、KEGGおよびOGB-biokgデータセットを用いた実験評価を行い、DDI予測のためのメモリ相互作用モジュールを設計しました。このモジュールは、マルチヘッドアテンションメカニズムと深層ニューラルネットワークを活用して、DDIトリプレット間の相互作用を捉えます。提案モデルは、薬剤の分子配列と薬剤知識グラフの情報を統合して処理します。
結 果：
提案したモデルは、従来の手法や最先端の方法と比較して、DDI予測において優れた性能を示しました。具体的には、KEGGおよびOGB-biokgデータセットにおいて、DDI予測の精度が向上したことが確認されました。
結 論：
新しいメモリ相互作用ニューラルネットワークは、DDI予測において高い精度を達成し、薬剤間の相互作用を効果的に捉えることができることが示されました。このモデルは、薬物の安全性向上に寄与する可能性があります。データセットとコードは、https://github.com/wj1108114106/Multi-label-DDIs で無料でアクセス可能です。