Buchumschlag

MGKAN: Predicting Asymmetric Drug-Drug Interactions via a Multimodal Graph Kolmogorov-Arnold Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Kunyi, Chen, Mengjie, Li, Longlong, Qu, Cunquan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Quantitative Methods
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KA-GNN: Kolmogorov-Arnold Graph Neural Networks for Molecular Property Prediction
von: Li, Longlong, et al.
Veröffentlicht: (2024)

Dual-Pathway Fusion of EHRs and Knowledge Graphs for Predicting Unseen Drug-Drug Interactions
von: Lee, Franklin, et al.
Veröffentlicht: (2025)

A Graph-in-Graph Learning Framework for Drug-Target Interaction Prediction
von: Song, Yuehua, et al.
Veröffentlicht: (2025)

HiGraphDTI: Hierarchical Graph Representation Learning for Drug-Target Interaction Prediction
von: Liu, Bin, et al.
Veröffentlicht: (2024)

MIN: Multi-channel Interaction Network for Drug-Target Interaction with Protein Distillation
von: Li, Shuqi, et al.
Veröffentlicht: (2024)

LLMs for Drug-Drug Interaction Prediction: A Comprehensive Comparison
von: De Vito, Gabriele, et al.
Veröffentlicht: (2025)

Drug Interaction Vectors Neural Network: DrIVeNN
von: Wang, Natalie, et al.
Veröffentlicht: (2023)

DDoS: A Graph Neural Network based Drug Synergy Prediction Algorithm
von: Schwarz, Kyriakos, et al.
Veröffentlicht: (2022)

MUDI: A Multimodal Biomedical Dataset for Understanding Pharmacodynamic Drug-Drug Interactions
von: Ngo, Tung-Lam, et al.
Veröffentlicht: (2025)

From Detection to Mechanism: Cross-Attention Graph Neural Networks Enable Drug-Drug Interaction Type Prediction An Ablation Study with Acetylsalicylic Acid Validation
von: Dietrich, Juergen
Veröffentlicht: (2026)

Drug-Target Interaction/Affinity Prediction: Deep Learning Models and Advances Review
von: Vefghi, Ali, et al.
Veröffentlicht: (2025)

Drug Repurposing Using Deep Embedded Clustering and Graph Neural Networks
von: Delzer, Luke, et al.
Veröffentlicht: (2025)

MM-DADM: Multimodal Drug-Aware Diffusion Model for Virtual Clinical Trials
von: Shao, Qian, et al.
Veröffentlicht: (2025)

Predicting Side Effect of Drug Molecules using Recurrent Neural Networks
von: Beaudoin, Collin, et al.
Veröffentlicht: (2023)

Benchmark on Drug Target Interaction Modeling from a Drug Structure Perspective
von: Zhang, Xinnan, et al.
Veröffentlicht: (2024)

Integrating Single-Cell Foundation Models with Graph Neural Networks for Drug Response Prediction
von: Rossner, Till, et al.
Veröffentlicht: (2025)

SMILES-Mamba: Chemical Mamba Foundation Models for Drug ADMET Prediction
von: Xu, Bohao, et al.
Veröffentlicht: (2024)

Recent Developments in GNNs for Drug Discovery
von: Fang, Zhengyu, et al.
Veröffentlicht: (2025)

PGraphDTA: Improving Drug Target Interaction Prediction using Protein Language Models and Contact Maps
von: Bal, Rakesh, et al.
Veröffentlicht: (2023)

Towards Interpretable Drug-Drug Interaction Prediction: A Graph-Based Approach with Molecular and Network-Level Explanations
von: Chen, Mengjie, et al.
Veröffentlicht: (2025)

scPPDM: A Diffusion Model for Single-Cell Drug-Response Prediction
von: Liang, Zhaokang, et al.
Veröffentlicht: (2025)

DPASyn: Mechanism-Aware Drug Synergy Prediction via Dual Attention and Precision-Aware Quantization
von: Nie, Yuxuan, et al.
Veröffentlicht: (2025)

Predicting Drug Solubility Using Different Machine Learning Methods -- Linear Regression Model with Extracted Chemical Features vs Graph Convolutional Neural Network
von: Ho, John, et al.
Veröffentlicht: (2023)

Predicting Biomedical Interactions with Probabilistic Model Selection for Graph Neural Networks
von: KC, Kishan, et al.
Veröffentlicht: (2022)

Equivariant Graph Attention Networks with Structural Motifs for Predicting Cell Line-Specific Synergistic Drug Combinations
von: Schwehr, Zachary
Veröffentlicht: (2024)

CMINNs: Compartment Model Informed Neural Networks -- Unlocking Drug Dynamics
von: Daryakenari, Nazanin Ahmadi, et al.
Veröffentlicht: (2024)

scDrugMap: Benchmarking Large Foundation Models for Drug Response Prediction
von: Wang, Qing, et al.
Veröffentlicht: (2025)

Research on Adverse Drug Reaction Prediction Model Combining Knowledge Graph Embedding and Deep Learning
von: Li, Yufeng, et al.
Veröffentlicht: (2024)

A Morse Transform for Drug Discovery
von: Tanaka, Alexander M., et al.
Veröffentlicht: (2025)

LLM$^3$-DTI: A Large Language Model and Multi-modal data co-powered framework for Drug-Target Interaction prediction
von: Zhang, Yuhao, et al.
Veröffentlicht: (2025)

KANEL: Kolmogorov-Arnold Network Ensemble Learning Enables Early Hit Enrichment in High-Throughput Virtual Screening
von: Koptev, Pavel, et al.
Veröffentlicht: (2026)

Target Specific De Novo Design of Drug Candidate Molecules with Graph Transformer-based Generative Adversarial Networks
von: Ünlü, Atabey, et al.
Veröffentlicht: (2023)

Sub-Clustering for Class Distance Recalculation in Long-Tailed Drug Classification
von: Su, Yujia, et al.
Veröffentlicht: (2025)

Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data
von: Alharbi, Fadi, et al.
Veröffentlicht: (2025)

HGTDR: Advancing Drug Repurposing with Heterogeneous Graph Transformers
von: Gharizadeh, Ali, et al.
Veröffentlicht: (2024)

Synthetic Data from Diffusion Models Improve Drug Discovery Prediction
von: Hu, Bing, et al.
Veröffentlicht: (2024)

drGT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network
von: Inoue, Yoshitaka, et al.
Veröffentlicht: (2024)

Learning Chemotherapy Drug Action via Universal Physics-Informed Neural Networks
von: Podina, Lena, et al.
Veröffentlicht: (2024)

What Molecular Structure Cannot Tell Us: A Taxonomy of Explainability Gaps in GNN-Based Drug Toxicity Prediction
von: Dietrich, Juergen
Veröffentlicht: (2026)

Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model
von: Malusare, Aditya, et al.
Veröffentlicht: (2024)