Drug–drug interaction classification using GraphBased and text-based drug representations
Tarih
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
Özet
Drug-drug interactions (DDI) are important to detect in clinical practice because they can cause side effects and a decrease in treatment effectiveness. This study presents a DDI classification approach that combines graph and text-based drug representations. GraphBERT is used to obtain graph-based drug representations from drugs in the interaction network, while the textual features of the drugs, namely Description, Mechanism, Indication, and Pharmacodynamics, are represented with the BioSentVec model. These representations are used as input to the model for DDI classification separately or in a combined manner. The results show that the combined use of graph and text-based representations provides the highest performance and reaches an F-score of 91.45%. This result was obtained as 0.64% higher than the text-based model and 0.87% higher than the graph-based model. The findings reveal that both representation types provide higher performance when used together.
İlaç-ilaç etkileşimlerinin (Drug-Drug Interaction, DDI), yan etkilere ve tedavi etkinliğinde azalmaya sebep olması nedeniyle klinik uygulamalarda tespit edilmesi önem taşımaktadır. Bu çalışma, graf ve metin tabanlı ilaç temsillerini birleştiren bir DDI sınıflandırma yaklaşımı sunmaktadır. Etkileşim ağındaki ilaçlardan graf tabanlı ilaç temsilleri elde etmek amacıyla GraphBERT, ilaçlara ait Açıklama, Mekanizma, Endikasyon ve Farmakodinamik metinsel özellikleri BioSentVec modeli ile temsil edilmektedir. Bu temsiller, DDI sınıflandırması için modele ayrı ayrı veya birleştirilmiş biçimde girdi olarak kullanılmıştır. Sonuçlar, graf ve metin tabanlı temsillerin birlikte kullanımının en yüksek performansı sağladığını ve %91,45 Fskoruna ulaştığını göstermektedir. Bu sonuç, metin tabanlı modele göre %0,64, graf tabanlı modele göre ise %0,87 daha yüksek olarak elde edilmiştir. Bulgular, her iki temsil türünün birlikte kullanıldıklarında daha yüksek performans sağladıklarını ortaya koymaktadır.










