（院新闻网讯 曾宪森）近日，计算机科学与技术学院的林晓丽博士团队，在国际知名遥感生物信息领域期刊《IEEE/ACM Transactions on Computational Biology and Bioinformatics》（TCBB）上发表了题为“KGRLFF: Detecting Drug-Drug Interactions Based on Knowledge Graph Representation Learning and Feature Fusion”的研究成果。林晓丽博士作为该文章的第一作者，与硕士研究生尹壮（第二作者）共同完成了这一重要研究。

TCBB期刊在生物信息学领域享有盛誉，不仅具有极高的影响力，还获得了中国计算机学会（CCF）的B类期刊推荐。此次研究成果的发表，无疑将进一步推动计算机技术在生物信息学领域的广泛应用。

药物-药物相互作用（DDI）的准确预测对于提高药物开发效率、确保联合治疗的安全性具有至关重要的意义。针对这一问题，该论文创新性地提出了一种基于知识表示学习和特征融合的DDI预测方法——KGRLFF。该方法充分利用了医学知识图谱和药物分子结构中的丰富信息，实现了对DDI的高效预测。

具体来说，KGRLFF方法首先通过双向随机游走采样模块（BRWP）获取知识图谱中药物的高阶邻域信息，这些信息包括邻接节点、语义关系以及三元组事实相关的高阶信息等。随后，设计了一种嵌入表示学习模块（KGCRA），该模块利用药物信息来更新其邻居节点，并通过迭代聚合的方式更新高阶邻居。在此基础上，利用更新的高阶邻居进行反向递归聚合，形成了一个循环学习过程，从而实现了对药物特征的深度挖掘。

此外，该研究还将药物的分子结构特征引入模型，并与药物的图嵌入特征进行巧妙融合，以获得更具表现力和综合性的特征。这种特征融合的方式，进一步提高了DDI预测的准确性和可靠性。

案例研究表明，当抗抑郁药物Tianeptine和Levomilnacipran联合使用时，会增加副作用的风险或严重性。这两种药物的代谢都涉及CYP3A4酶，这是一种在人体内广泛存在的药物代谢酶。当这两种药物同时使用时，会导致CYP3A4酶的过度消耗，进而可能导致体内血清素和去甲肾上腺素水平异常升高，从而引发副作用。这一发现为临床用药提供了重要的参考和指导。