{rfName}
KG

Indexado en

Licencia y uso

Citaciones

61

Altmetrics

Grant support

This work was supported by National Natural Science Foundation of China (Grant Nos. 61873280, 61972416), Taishan Scholarship (tsqn201812029), Major projects of the National Natural Science Foundation of China (Grant No. 41890851), Natural Science Foundation of Shandong Province (No. ZR2019MF012), Fundamental Research Funds for the Central Universities (19CX05003A-6).

Análisis de autorías institucional

Rodriguez-Paton, AAutor o CoautorSong, TAutor (correspondencia)

Compartir

7 de junio de 2021
Publicaciones
>
Artículo
No

KG-DTI: a knowledge graph based deep learning method for drug-target interaction predictions and Alzheimer's disease drug repositions

Publicado en:Applied Intelligence. 52 (1): 846-857 - 2022-01-01 52(1), DOI: 10.1007/s10489-021-02454-8

Autores: Wang, Shudong; Du, Zhenzhen; Ding, Mao; Rodriguez-Paton, Alfonso; Song, Tao

Afiliaciones

China Univ Petr, Coll Comp Sci & Technol, Qingdao 266580, Peoples R China - Autor o Coautor
Shandong Univ, Hosp 2, Cheeloo Coll Med, Dept Neurol Med, Jinan 250033, Peoples R China - Autor o Coautor
Univ Politecn Madrid, Fac Comp Sci, Dept Artificial Intelligence, Campus Montegancedo, Madrid 28660, Spain - Autor o Coautor

Resumen

Drug repositioning, which recommends approved drugs to potential targets by predicting drug-target interactions (DTIs), can save the cost and shorten the period of drug development. In this work, we propose a novel knowledge graph based deep learning method, named KG-DTI, for DTIs predictions. Specifically, a knowledge graph of 29,607 positive drug-target pairs is constructed by DistMult embedding strategy. A Conv-Conv module is proposed to extract features of drug-target pairs (DTPs), which is followed by a fully connected neural network for DTIs calculation. Data experiments are conducted on randomly chosen 11,840 positive and negative samples. It is obtained that KG-DTI achieves average ACC by 88.0%, F1-Score by 87.7%, AUROC by 94.3% and AUPR by 95% in five-fold cross-validation. In practice, KG-DTI is applied to reposition drugs to Alzheimer's disease (AD) by Apolipoprotein E target. As results, it is found that seven of the top ten recommended drugs have been used in clinic practice or with literature supported useful to AD. Ligand-target docking results show that the top one recommended drug can dock with Apolipoprotein E significantly, which gives vital hints in repositioning potential drug to AD treatment.

Palabras clave

Deep learningDiscoveryDrug repositioningDrug-target interactionKnowledge graph

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Applied Intelligence debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2022, se encontraba en la posición 48/145, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Computer Science, Artificial Intelligence. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Artificial Intelligence.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 1.3. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.52 (fuente consultada: FECYT Feb 2024)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-07-27, el siguiente número de citas:

  • WoS: 17
  • Scopus: 41

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-07-27:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 37 (PlumX).

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: China.

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Último Autor (SONG, TAO).

el autor responsable de establecer las labores de correspondencia ha sido SONG, TAO.