多模态表征映射方法来预测分子-疾病关系

文章题目：Multimodal representation learning for predicting molecule–disease relations
发表杂志：Bioinformatics
发表时间：2023-2-10
通讯作者：Jun Wen
原文链接：https://academic.oup.com/bioinformatics/article/39/2/btad085/7034101
软件链接：https://github.com/celehs/M2REMAP

随着生物医学数据的大规模增加，预测分子适应症或副作用的计算方法在提高药物发现过程的效率方面具有越来越大的前景。如何准确预测分子-疾病的适应症和副作用对于药物开发非常重要，在这里，作者引入了一种多模态表征映射方法来预测分子-疾病关系(M2REMAP) ，该方法结合了从1260万患者的电子健康记录(EHR)中学到的临床语义。具体来说，M2REMAP 首先学习了一种多模态分子表示法，通过深度神经网络将分子映射到药物、疾病和其他常见临床概念共享的临床语义嵌入空间，从而综合分子化学性质和临床语义信息。为了推断分子与疾病的关系，M2REMAP 将多模态分子表征和疾病语义嵌入相结合，共同推断适应症和副作用。

https://mp.weixin.qq.com/s/-2fiOWC2nEBya3TFPhywLQ