论文标题
虎：在硅与图中找到药物相互作用
TigerLily: Finding drug interactions in silico with the Graph
论文作者
论文摘要
Tigerlily是一种基于Tigergraph的系统，旨在解决药物相互作用预测任务。在这项机器学习任务中，我们要预测两种药物是否具有不良相互作用。我们的框架使我们能够在这些步骤中使用图形挖掘技术解决这一高度相关的现实世界问题： （a）使用Pytigergraph我们创建了药物和蛋白质的异质生物图。 （b）我们计算Tigergraph云中药物淋巴结的个性化Pagerank评分。 （c）我们使用个性化pagerank矩阵的稀疏非阴性基质分解嵌入节点。 （d）使用节点嵌入，我们训练基于梯度的基于梯度的药物相互作用预测因子。
Tigerlily is a TigerGraph based system designed to solve the drug interaction prediction task. In this machine learning task, we want to predict whether two drugs have an adverse interaction. Our framework allows us to solve this highly relevant real-world problem using graph mining techniques in these steps: (a) Using PyTigergraph we create a heterogeneous biological graph of drugs and proteins. (b) We calculate the personalized PageRank scores of drug nodes in the TigerGraph Cloud. (c) We embed the nodes using sparse non-negative matrix factorization of the personalized PageRank matrix. (d) Using the node embeddings we train a gradient boosting based drug interaction predictor.
