- 성과
-
논문 (학술지)
A model-agnostic framework to enhance knowledge graph-based drug combination prediction with drug-drug interaction data and supervised contrastive learning
| 등록번호 | - |
SCI 구분
※구분 : SCI(SCIE포함), 비SCI
|
SCI |
|---|---|---|---|
| 저자명 (주·공동저자) | 이정섭; 김동규; 이상선; 김선 ※ 과제 참여정보와 일치하는 연구자 상세정보로 정확하지 않을 수 있습니다.  동일저자 논문보기 |
||
| 논문구분 | 국외전문학술지 | 학술지명 | Briefings in Bioinformatics |
| ISSN | 1467-5463 | 학술지 출판일자 | 2023-08-07 |
| 학술지 볼륨번호 | 24(5) | 논문페이지 | 0 ~ 0 |
| 학술지 임팩트팩터 | 13.994 | 기여율 | 100 % |
| DOI | https://doi.org/10.1093/bib/bbad285 | ||
- 초록
- Combination therapies have brought significant advancements to the treatment of various diseases in the medical field. However, searching for effective drug combinations remains a major challenge due to the vast number of possible combinations. Biomedical knowledge graph (KG)-based methods have shown potential in predicting effective combinations for wide spectrum of diseases, but the lack of credible negative samples has limited the prediction performance of machine learning models. To address this issue, we propose a novel model-agnostic framework that leverages existing drug？drug interaction (DDI) data as a reliable negative dataset and employs supervised contrastive learning (SCL) to transform drug embedding vectors to be more suitable for drug combination prediction. We conducted extensive experiments using various network embedding algorithms, including random walk and graph neural networks, on a biomedical KG. Our framework significantly improved performance metrics compared to the baseline framework. We also provide embedding space visualizations and case studies that demonstrate the effectiveness of our approach. This work highlights the potential of using DDI data and SCL in finding tighter decision boundaries for predicting effective drug combinations.
☞ 성과발생연도 2022년 이후 논문은 조사분석 미확정 정보이며, 조사분석 확정시 기여율 등 일부 정보가 변경될 수 있습니다.
-
연구개발성과 등록 또는 활용에 대한 문의는 논문 연구개발성과 담당자를 통해 문의하시기 바랍니다.
[문의] 한국과학기술정보연구원 Tel : 042)716-7066, https://curation.kisti.re.kr/
- NTIS 관련 이용문의는 NTIS 콜센터(042-869-1115)로 문의하시기 바랍니다.
-
NTIS의 논문 정보는 국가연구개발사업 수행을 통해 발생된 성과로, 조사분석 등을 통해 입력된 정보를 수집 및 제공하고 있어, 출판사 또는 논문 정보 제공 사이트(Scienceon, RISS 등)에서 일괄 제공하는 논문 정보와 차이가 있을 수 있습니다.
