Ανάλυση πολυδιάστατων φαρμακογονιδιωματικών δεδομένων με τη χρήση βαθιών νευρωνικών δικτύων
Loading...
Date
2025-02-21
Authors
Κισκήρα, Φωτεινή-Άρτεμις
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Μία συχνή και ιδιαίτερα υποσχόμενη προσέγγιση για την αντιμετώπιση πολλαπλών ασθενειών στο σύγχρονο κόσμο, είναι η πολυφαρμακευτική αγωγή ή αλλιώς πολυφαρμακία. Δυστυχώς, αυτή η τακτική μπορεί να οδηγήσει σε αυξημένες ανεπιθύμητες παρενέργειες, με αποτέλεσμα η επιστημονική κοινότητα τα τελευταία χρόνια να ασχολείται όλο και περισσότερο με το θέμα, συλλέγοντας και επεξεργάζοντας δεδομένα, με σκοπό τον περιορισμό αυτών των παρενεργειών. Συγκεκριμένα, η Μηχανική Μάθηση και η Βαθιά Μάθηση, έχουν ενεργό ρόλο στην πρόβλεψη αλληλεπιδράσεων (παρενεργειών) ανάμεσα στα φάρμακα. Η παρούσα διπλωματική εργασία επικεντρώνεται στη χρήση Βαθιών Νευρωνικών Δικτύων πάνω σε γράφους, όπως τα Συνελικτικά Νευρωνικά Δίκτυα Γράφων (Graph Convolutional Networks – GCNs) και τα Δίκτυα Προσοχής Γράφων (Graph Attention Networks – GATs). Βασίζεται στον πολυσχεσιακό γράφο που προτείνεται από τον Αλγόριθμο Trigraph Information Propagation (TIP), που περιλαμβάνει τρεις υπογράφους. Το γράφο αλληλεπίδρασης πρωτεΐνης – πρωτεΐνης (P – P Network), το γράφο αλληλεπίδρασης πρωτεΐνης – φαρμάκου (P – D Network) και αυτόν που αντιστοιχεί στην αλληλεπίδραση φαρμάκου – φαρμάκου (D – D Network). Οι γράφοι αυτοί είναι διασυνδεδεμένοι μεταξύ τους και η ροή ξεκινά από τον πρώτο και καταλήγει στον τελευταίο, οι έξοδοι του οποίου αντιστοιχούν στις παρενέργειες. Τα βήματα για την ανάπτυξη του συγκεκριμένου μοντέλου περιλάμβαναν τη δημιουργία αναπαραστάσεων των κόμβων των γράφων μέσω GCNs και GATs και η βελτιστοποίηση των παραμέτρων, με απώτερο σκοπό τη βελτίωση των μετρικών αξιολόγησης σε σχέση με τον TIP. Κάθε γράφος διερευνήθηκε ξεχωριστά με πληθώρα διαφορών συνδυασμών και παραμέτρων των προαναφερθέντων δικτύων και στη συνέχεια οι δανικότερες μετρήσεις χρησιμοποιήθηκαν στο μεγάλο πολυσχεσιακό γράφο για τη συνολική εκτίμηση του μοντέλου. Συνολικά, τα αποτελέσματα ήταν αρκετά ικανοποιητικά, με αρκετές μελλοντικές επεκτάσεις που θα μπορούσαν να εφαρμοστούν, καθώς η Βαθιά Μάθηση περιλαμβάνει, στις μέρες μας, πολλές διαφορετικές προσεγγίσεις και αλγορίθμους που θα μπορούσαν να εφαρμοστούν.
Description
Keywords
Πολυφαρμακία, Βαθιά νευρωνικά δίκτυα, Γράφοι