DDI
清华&第四范式&腾讯研究团队：图神经网络与生物医学网络实现新兴药物相互作用预测
编辑 | 萝卜皮新兴药物的药物相互作用 (DDI) 为治疗和缓解疾病提供了可能性，利用计算方法准确预测这些相互作用可以改善患者护理并有助于高效的药物开发。然而，许多现有的计算方法需要大量已知的 DDI 信息，这对于新兴药物来说是稀缺的。清华大学、第四范式（4Paradigm）以及腾讯 Jarvis Lab 的研究人员提出了 EmerGNN，这是一种图神经网络，可以利用生物医学网络中的丰富信息来有效预测新兴药物的相互作用。EmerGNN 通过提取药物对之间的路径、将信息从一种药物传播到另一种药物以及在路径上结合相关的
FDA基于DL的自然语言处理方法，识别定向药代动力学药物相互作用
编辑 | 萝卜皮在药物开发过程中，收集有关药物（对象）由于与另一种药物（沉淀剂）的药代动力学（PK）药物相互作用（DDI）而导致的临床暴露变化的信息至关重要。虽然已经发布了许多用于 DDI 的自然语言处理 (NLP) 方法，但大多数方法旨在评估文本中是否存在（以及何种）DDI 关系，而不识别 DDI 的方向（对象与沉淀药物）。在这里，美国食品药品监督管理局（Food and Drug Administration，FDA）的研究人员提出了一种从文献或药物标签中自动识别 PK DDI 方向性的方法。该团队重新注释了文
- 1