PulseAugur
中
实时 12:06:49
English(EN) CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction

新AI网络增强了对新型药物的药物-药物相互作用预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的跨模态融合端到端学习网络（CMF-ELN），以改进药物-药物相互作用（DDIs）的预测，特别是针对数据稀缺的新药。该网络通过将分子结构和生物医学实体等多样化的多模态信息整合到以药物为中心的知识图中，解决了现有方法的局限性。这种方法实现了更全面的相似性建模和端到端学习，从而提高了预测准确性，并增强了对潜在和受害药物潜在机制的可解释性。 AI

影响 这项研究可能有助于更准确地识别新药的潜在不良反应。

排序理由 该集群包含一篇详细介绍特定研究问题新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI网络增强了对新型药物的药物-药物相互作用预测能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Di Wu, Hongyi Sun, Haichao Xu, Jia Chen, Zhong Chen, Jie Yang ·

    CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction

    arXiv:2607.02928v1 Announce Type: new Abstract: Cold-start drug-drug interaction (DDI) prediction for new drugs is critical for minimizing unexpected adverse drug reactions. The key challenge is to capture similarity between new and known drugs. However, such similarity is closel…

相关实体

相关话题