[论文解读] Enhancing Drug-Drug Interaction Extraction from Texts by Molecular Structure Information

Masaki Asada, Makoto Miwa+1 more|arXiv (Cornell University)|May 15, 2018

Biomedical Text Mining and Ontologies参考文献 15被引用 10

一句话总结

该论文提出了一种混合深度学习模型，通过图卷积网络（GCNs）整合药物分子结构信息，以提升从文本中提取药物-药物相互作用（DDI）的能力。通过将卷积神经网络（CNN）的文本表征与NFP和GGNN的分子表征相连接，该模型在DDIExtraction 2013数据集上的F-score提升了2.39个百分点，表明分子数据能显著增强基于文本的DDI识别能力。

ABSTRACT

We propose a novel neural method to extract drug-drug interactions (DDIs) from texts using external drug molecular structure information. We encode textual drug pairs with convolutional neural networks and their molecular pairs with graph convolutional networks (GCNs), and then we concatenate the outputs of these two networks. In the experiments, we show that GCNs can predict DDIs from the molecular structures of drugs in high accuracy and the molecular information can enhance text-based DDI extraction by 2.39 percent points in the F-score on the DDIExtraction 2013 shared task data set.

研究动机与目标

• 通过实现从生物医学文本中自动化、高精度地提取DDI，解决药物相互作用数据库中覆盖率低和更新速度慢的挑战。
• 通过整合外部分子结构信息，克服仅依赖文本的深度学习模型在DDI提取中的局限性。
• 探究分子层面的表征是否能够提升神经网络模型在临床和科学文本中识别药物-药物相互作用的性能。
• 证明利用图神经网络直接从分子结构预测DDI的可行性，且不依赖文本上下文。

提出的方法

• 使用卷积神经网络（CNN）对文本中的药物对进行编码，结合词嵌入和相对位置嵌入，以捕捉句法和上下文特征。
• 应用两种图卷积网络——神经指纹（NFP）和门控图神经网络（GGNN）——将药物对的分子结构编码为固定大小的向量。
• 将CNN（文本）分支和GCN（分子）分支的输出表征拼接，形成每个药物对的联合表征。
• 在DDIExtraction 2013共享任务数据集上端到端训练模型，使用在DrugBank相互作用对上预训练的分子表征。
• 在CNN层中使用最大池化和ReLU激活函数，并在GGNN中采用基于GRU的消息传递机制，实现原子特征的迭代聚合。
• 使用带有Softmax的全连接网络进行DDI类型分类，采用交叉熵损失实现端到端优化。

实验结果

研究问题

• RQ1 图卷积网络（GCNs）能否仅基于分子结构准确预测药物-药物相互作用？
• RQ2 在多大程度上，整合分子结构信息能够提升基于文本的DDI提取模型的性能？
• RQ3 在建模分子层面DDI预测时，不同GCN架构（NFP与GGNN）的性能如何比较？
• RQ4 分子表征是否有助于解决基于文本的DDI提取中的歧义或召回率低的问题，尤其是对于罕见或复杂的相互作用类型？

主要发现

• 图卷积网络（GCNs）能够以高精度从分子结构中预测药物-药物相互作用，在DrugBank相互作用对上使用GGNN的F-score达到23.90%。
• 整合分子结构信息使基于文本的DDI提取F-score在DDIExtraction 2013共享任务数据集上提升了2.39个百分点。
• 性能提升在DDI类型'Mechanism'和'Effect'上最为显著，表明分子数据增强了对生物上合理相互作用的检测能力。
• 仅使用分子的模型F-score较低（<5%），证实仅依赖分子信息不足以实现可靠的DDI预测，但与文本信息融合后具有互补优势。
• 统计显著性检验表明，分子信息整合带来的性能提升具有显著性（NFP的p < 0.05，GGNN的p < 0.005），在洗牌后的测试集上成立。
• 尽管在DrugBank上表现优异，分子模型在DDIExtraction 2013数据集上表现较差，原因在于存在模糊提及以及已知相互作用的文本覆盖不全。