Predicting Drug-Drug Interactions Using Knowledge Graphs

Predicting Drug-Drug Interactions Using Knowledge Graphs

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？

• DDIs（Drug-Drug Interactions）が増えている中、未知のDDIsを予測するために、知識グラフ（KGs）を使用する研究が行われています。このKGsを使用することで、単一の薬剤プロパティよりも良好な薬剤表現が得られるため、薬剤の関係性を把握することができます。

1. 本研究の目的及び学術的独自性と創造性は？

• 本研究では、公共の薬剤リポジトリから複数の薬剤機能を統合し、KGに埋め込んでいるmedicXエンドツーエンドフレームワークが提案されています。このフレームワークを使用することで、ネットワークの中の薬剤の埋め込み方法がトランスレーション、ファクタリゼーション、ニューラルネットワーク（NN）ベースのKG埋め込み（KGE）の3つが組み込まれ、未知のDDIsの予測が行われます。

1. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？

• 薬剤情報データベースの発展にともない、薬の摂取と組み合わせが複雑化してきており、その結果、DDIsが急増しています。これらのDDIsを予測するための研究が進んでいる中、知識グラフを使用する研究が増えてきています。本研究では、KGを使用して薬剤の関係性を特徴付けるmachine learningアルゴリズムを提案しています。

1. 本研究で何をどのように、どこまで明らかにした？

• 本研究では、medicXエンドツーエンドフレームワークにより、KGを使用したDDIsの予測が可能であることを明らかにしました。また、深層学習技術を使用することで、過去の研究よりも高い予測精度が得られました。

1. 本研究の有効性はどのように検証した？

• 本研究では、医薬品データベースであるDrugBank version 5.1.8のDDIsに基づくデータセットを使用し、medicXエンドツーエンドフレームワークにより、DDIsの予測精度を評価しました。その結果、ComplEx埋め込み方法にLSTMネットワークを組み合わせた状態で95.19％のF1-scoreを達成し、他の研究よりも良好な結果が得られました。