（院新聞網訊 曾憲森）近日，6774澳门永利的林曉麗博士團隊，在國際知名遙感生物信息領域期刊《IEEE/ACM Transactions on Computational Biology and Bioinformatics》（TCBB）上發表了題為“KGRLFF: Detecting Drug-Drug Interactions Based on Knowledge Graph Representation Learning and Feature Fusion”的研究成果。林曉麗博士作為該文章的第一作者，與碩士研究生尹壯（第二作者）共同完成了這一重要研究。

TCBB期刊在生物信息學領域享有盛譽，不僅具有極高的影響力，還獲得了中國計算機學會（CCF）的B類期刊推薦。此次研究成果的發表，無疑将進一步推動計算機技術在生物信息學領域的廣泛應用。

藥物-藥物相互作用（DDI）的準确預測對于提高藥物開發效率、确保聯合治療的安全性具有至關重要的意義。針對這一問題，該論文創新性地提出了一種基于知識表示學習和特征融合的DDI預測方法——KGRLFF。該方法充分利用了醫學知識圖譜和藥物分子結構中的豐富信息，實現了對DDI的高效預測。

具體來說，KGRLFF方法首先通過雙向随機遊走采樣模塊（BRWP）獲取知識圖譜中藥物的高階鄰域信息，這些信息包括鄰接節點、語義關系以及三元組事實相關的高階信息等。随後，設計了一種嵌入表示學習模塊（KGCRA），該模塊利用藥物信息來更新其鄰居節點，并通過疊代聚合的方式更新高階鄰居。在此基礎上，利用更新的高階鄰居進行反向遞歸聚合，形成了一個循環學習過程，從而實現了對藥物特征的深度挖掘。

此外，該研究還将藥物的分子結構特征引入模型，并與藥物的圖嵌入特征進行巧妙融合，以獲得更具表現力和綜合性的特征。這種特征融合的方式，進一步提高了DDI預測的準确性和可靠性。

案例研究表明，當抗抑郁藥物Tianeptine和Levomilnacipran聯合使用時，會增加副作用的風險或嚴重性。這兩種藥物的代謝都涉及CYP3A4酶，這是一種在人體内廣泛存在的藥物代謝酶。當這兩種藥物同時使用時，會導緻CYP3A4酶的過度消耗，進而可能導緻體内血清素和去甲腎上腺素水平異常升高，從而引發副作用。這一發現為臨床用藥提供了重要的參考和指導。