liupf/KAR4DDI

本研究中的数据集是一个药物-药物相互作用事件（DDIE）数据集，来源于DeepDDI 2。该数据集包含2,386种药物的详细信息，每种药物由一个50维的主成分分析（PCA）特征向量和相应的SMILES字符串表示。此外，数据集还整合了来自DDInter和DrugBank的药物描述。DDIE数据集包含222,127对药物，能够预测113种不同的DDIE类型。由于临床环境中罕见和记录不全的药物相互作用频繁发生，处理少样本场景至关重要。数据样本在不同交互频率类别（常见、少量、罕见）中的分布情况也被详细列出，并解释了如何处理不同频率类别的挑战。知识提取方法包括将药物特征转换为药物类型，通过t-SNE进行降维，并使用K-means、Birch和Agglomerative聚类算法进行聚类分析。

原始信息汇总

数据集概述

数据集简介

• 名称: Drug-Drug Interaction Event (DDIE) 数据集
• 来源: DeepDDI 2
• 包含信息:
  • 2,386种药物的50维主成分分析（PCA）特征向量
  • 对应的SMILES字符串
  • 来自DDInter和DrugBank的药物描述
• 数据量: 222,127对药物
• 任务类型: 预测113种不同的DDIE类型

数据样本分布

• 分类: 根据DDIE发生频率分为common, few, 和 rare三类
• 分布:
  • 训练集:
    • Common: 44,126
    • Few: 108
    • Rare: 43
  • 验证集:
    • Common: 44,113
    • Few: 128
    • Rare: 34
  • 测试集:
    • Common: 132,110
    • Few: 298
    • Rare: 85
• 处理:
  • 移除少于两个样本的类别
  • 剩余样本按2:2:6的比例分配到训练、验证和测试集

知识提取

• 特征转换: 将药物特征转换为药物类型
• 降维: 使用t-SNE将特征降维至2维，便于可视化和聚类
• 聚类算法:
  • K-means
  • Birch
  • Agglomerative clustering