Suraj Yadav / Suryakanthi Tangirala
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Questo progetto propone un framework di apprendimento semi-supervisionato su grafi per la previsione delle interazioni farmacologiche, progettato per superare i limiti dei metodi tradizionali di apprendimento supervisionato che richiedono grandi quantità di dati etichettati sulle interazioni. L’approccio proposto integra efficacemente sia le informazioni etichettate che quelle non etichettate relative ai farmaci, consentendo al modello di apprendere modelli significativi anche quando è disponibile solo un numero limitato di interazioni note. Ogni farmaco è rappresentato utilizzando informazioni complete sulle caratteristiche, tra cui strutture molecolari, descrittori chimici, proprietà farmacologiche e reti di interazioni esistenti. Queste caratteristiche sono incorporate in una rappresentazione basata su grafi che preserva le relazioni intrinseche tra i farmaci. Viene quindi impiegata una rete neurale su grafo per eseguire il passaggio di messaggi e l’aggregazione di vicinato, generando vettori di embedding a bassa dimensionalità che catturano sia le caratteristiche strutturali che semantiche di ciascun farmaco all’interno della rete di interazioni. Questi embedding appresi vengono successivamente utilizzati per prevedere interazioni farmaco-farmaco precedentemente sconosciute o potenziali con una maggiore accuratezza.
