<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Інформаційна технологія прогнозування побічних ефектів поліпрагмазії за допомогою графової нейронної мережі

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Визначено актуальність використання інформаційної технології прогнозування побічних ефектів поліпрагмазії за допомогою графової нейронної мережі, що дає можливість передбачати негативні наслідки терапії та попередити їх. Запропоновано нову архітектуру графової нейронної мережі за рахунок додаткових аугментацій наявної.
The relevance of the use of information technology for predicting the side ef ects of polypharmacy using a graph neural network was determined, which makes it possible to predict the negative consequences of therapy and to prevent them. A new architecture of a graph neural network is proposed due to additional augmentations of the existing one.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8163-14-3

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Кузняк В. П., Колесницький О. К. Інформаційна технологія прогнозування побічних ефектів поліпрагмазії за допомогою графової нейронної мережі // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/19595.

Зібрання

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (3)

  1. Zitnik M, Agrawal M, Leskovec J. Modeling polypharmacy side effects with graph convolutional networks. Bioinformatics. 2018 Jul 1;34(13):i457-i466.
  2. Cheng F. et al. (2012) Prediction of drug-target interactions and drug repositioning via network-based inference. PLoS Comput. Biol., 8, e1002503.
  3. Zong N, Kim H, Ngo V, Harismendy O. Deep mining heterogeneous networks of biomedical linked data to predict novel drug-target associations. Bioinformatics. 2017 Aug 1;33(15):2337-2344.