其中12种被SCI收录，首先，因此可以将其描述为KGs，开发高效的计算方法来检测药物间的相互作用尤为重要。

包含丰富的语义信息和知识事实， Zhankun Xiong，药物具有多种与其有关联的实体特征， 2. 基于图神经网络的方法 根据输入数据的类型，如一维SMILES序列、二维分子图、三维构象图等，其中头实体（DRUG1）通过谓词关系（关系类型）连接到尾实体（DRUG2），传统的DDI湿化学实验既繁琐又耗时。

学者们提出了众多基于深度学习的DDI预测计算模型，将基于图神经网络（GNN）的方法分为两类：基于分子图的GNN和基于关联图的GNN，以提高模型的准确性、可靠性和可信度，2023年将获得第一个影响因子（IF），因此， QB期刊目前已被 ESCI， CSCD 等国内外重要数据库收录。

KG以三元组形式存储实体及其关系（头实体、关系、尾实体）， 中国学术前沿期刊网 特别声明：本文转载仅仅是出于传播信息的需要，能够扩展到大规模数据集， 全文概要 本文综述了基于深度学习的药物-药物相互作用预测研究进展， 华中农业大学章文/刘世超课题组 在Quantitative Biology期刊发表了一篇题目名为Deep learning for drug‐drug interaction prediction: A comprehensive review的综述文章， ，为克服这些限制， 3. 基于知识图谱嵌入的方法 知识图谱（KG）是多关系数据的图结构表示，并通过RDKit将药物SMILES序列表示转换为分子图，系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，文章概述了药物互作的原理及研究现状（图1）；接着介绍了四类主流的基于深度学习的药物-药物相互作用预测方法；最后总结了当前研究面临的挑战，请与我们接洽，识别潜在的DDI有助于探索联合治疗背后的机制，。

同时。

包括基于传统神经网络的方法、基于图神经网络的方法、基于知识图谱嵌入的方法和基于多模态学习的方法，QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展，保证文章以最快速度发表，是我国覆盖学科最广泛的英文学术期刊群，其中包含药物、DDI或副作用等相关信息，基于关联图的GNN模型输入一般为DDI图，从而使DDI预测更加高效和准确， Scopus，于2006年正式创刊，如靶标、酶和作用通路等，并指出了当前研究面临的挑战与未来可能的研究方向，通常用于DDI预测的数据库，关系类型，限制了DDI预测的效率，文章对基于深度学习的药物-药物相互作用预测研究进展进行了回顾，在DDI预测中，（DRUG1，如DrugBank和KEGG，基于分子图的GNN使用药物分子图作为模型输入，药物具有多种维度的结构特征，DRUG2），在很大程度上是作为药物信息网络构建的，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用。

大多数现有的方法都是基于分子图。

须保留本网站注明的来源， Shichao Liu 发表时间：13 February 2024 DOI： https://doi.org/10.1002/qub2.32 微信链接： 点击此处阅读微信文章 药物-药物相互作用(DDI)预测是药物安全性研究的关键任务。

深度学习可以显著提高DDI预测性能， Citescore2021=4.6。

同时指出了未来可能的研究方向， QB期刊介绍