پيش‌بيني اثرات جانبي داروها به كمك گراف افزوده‌شده‌ي شباهت دارو-دارو و الگوريتم‌هاي شبكه‌عصبي گرافي

دارو‌ها به هدف درمان بيماري ساخته ‌مي‌شوند، با اين حال بيشتر آن‌ها هنگام درمان بيماري ممكن است اثرات منفي تحت عنوان عوارض جانبي داشته‌ باشند. تشخيص اثرات جانبي دارو‌ها همواره فرآيندي زمان‌بر و پر‌هزينه‌ بوده‌است. به طور مثال برآورد مي‌شود كه فرايند توليد دارو، از شناسايي هدف تا استفاده باليني، مي‌تواند تا 14 سال و هزينه 800 ميليون دلار طول بكشد. رويكرد‌هاي متعارف براي پيش‌بيني اثرات جانبي در طي فرايند توليد دارو سنجش‌هاي آزمايشگاهي و حيواني است. با اين حال امكان تشخيص تمام عوارض جانبي در محيط آزمايشگاهي وجود ندارد و اين اثرات جانبي كشف نشده مي‌توانند ضرر‌هاي بسياري براي بيمار و همچنين شركت توليد‌كننده‌ي دارو داشته‌باشند. به‌طور مثال در آمريكا تخمين زده مي‌شود كه عوارض جانبي چهارمين عامل اصلي مرگ‌و‌مير باشند و همچنين عامل يك سوم از عدم موفقيت دارو‌ها در طي فرايند توليد، اثرات جانبي دارو شناخته شده‌است. با توجه به نكات گفته‌شده كارامد‌تر است كه در آغاز فرآيند‌ توليد دارو، با بيشترين دقت ممكن اثرات جانبي آن محاسبه و سنجيده شود. در نتيجه مطالعه در رابطه با اثرات جانبي دارو‌ها و پيش‌بيني آن‌ها از اهميت بالايي برخور‌دار است. در اين پژوهش ما به مسئله پيش‌بيني اثرات جانبي از منظر پيش‌بيني برچسب در گراف نگاه كرديم و روشي مبتني بر شبكه‌هاي عصبي گرافي ارائه داديم. به اين منظور گراف شباهت دارو-دارو را ساخته و در رابطه با معيارهاي شباهت دارويي بحث كرديم. با توجه به معيار AUC روش ما در مقايسه با روش‌هاي پيشين ۵ درصد بهبود داشته‌ است.