پیش‌بینی اثرات جانبی داروها به کمک گراف افزوده‌شده‌ی شباهت دارو-دارو و الگوریتم‌های شبکه‌عصبی گرافی

دارو‌ها به هدف درمان بیماری ساخته ‌می‌شوند، با این حال بیشتر آن‌ها هنگام درمان بیماری ممکن است اثرات منفی تحت عنوان عوارض جانبی داشته‌ باشند. تشخیص اثرات جانبی دارو‌ها همواره فرآیندی زمان‌بر و پر‌هزینه‌ بوده‌است. به طور مثال برآورد می‌شود که فرایند تولید دارو، از شناسایی هدف تا استفاده بالینی، می‌تواند تا 14 سال و هزینه 800 میلیون دلار طول بکشد. رویکرد‌های متعارف برای پیش‌بینی اثرات جانبی در طی فرایند تولید دارو سنجش‌های آزمایشگاهی و حیوانی است. با این حال امکان تشخیص تمام عوارض جانبی در محیط آزمایشگاهی وجود ندارد و این اثرات جانبی کشف نشده می‌توانند ضرر‌های بسیاری برای بیمار و همچنین شرکت تولید‌کننده‌ی دارو داشته‌باشند. به‌طور مثال در آمریکا تخمین زده می‌شود که عوارض جانبی چهارمین عامل اصلی مرگ‌و‌میر باشند و همچنین عامل یک سوم از عدم موفقیت دارو‌ها در طی فرایند تولید، اثرات جانبی دارو شناخته شده‌است. با توجه به نکات گفته‌شده کارامد‌تر است که در آغاز فرآیند‌ تولید دارو، با بیشترین دقت ممکن اثرات جانبی آن محاسبه و سنجیده شود. در نتیجه مطالعه در رابطه با اثرات جانبی دارو‌ها و پیش‌بینی آن‌ها از اهمیت بالایی برخور‌دار است. در این پژوهش ما به مسئله پیش‌بینی اثرات جانبی از منظر پیش‌بینی برچسب در گراف نگاه کردیم و روشی مبتنی بر شبکه‌های عصبی گرافی ارائه دادیم. به این منظور گراف شباهت دارو-دارو را ساخته و در رابطه با معیارهای شباهت دارویی بحث کردیم. با توجه به معیار auc روش ما در مقایسه با روش‌های پیشین 5 درصد بهبود داشته‌ است