Predicting Drug Classification Codes by Feature Integration Using Multi-modal Autoencoders

Abstract

COVID-19와 같이 새롭게 등장한 질병에 신속히 효과적으로 대처하기 위하여 컴퓨터 알고리즘을 사용한 약물 재배치 기법이 주목받고 있다. 본 연구에서는 약물의 다양한 특성을 멀티모달 자동 인코더를 통해 통합하여 약물의 분류 체계인 ATC 코드를 예측하는 방법을 제안한다. 약물 간의 유사도는 약물의 화학 구조, 질병 또는 단백질과의 상관관계, 약물 간 상호작용, 약물 부작용 정보를 활용하여 계산하였고, 멀티모달 자동 인코더를 통해 이를 통합하여 하나의 약물 유사도 네트워크를 구성하였다. 또한, 약물-ATC 코드 이기종 네트워크를 구성하여 ATC 코드 예측을 진행하였다. 교차검증을 통해 실험 결과를 평가했을 때, 단일 유사도를 사용하는 경우 0.847의 AUC 값에서 병합된 유사도를 사용했을 때 0.914의 AUC 값으로 예측 정확도가 8.5% 향상되었다.