III: Small: Mining Heterogeneous Network Built from Multiple Data Sources to Reduce Opioid Overdose Risks

III：小型：挖掘由多个数据源构建的异构网络以减少阿片类药物过量风险

基本信息

批准号：
2214376
负责人：
Yanfang Ye
金额：
$ 48.95万
依托单位：
University of Notre Dame
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2021
资助国家：
美国
起止时间：
2021-11-01 至 2023-09-30
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=2214376&HistoricalAwards=false
关键词：
III Small Mining Heterogeneous Network

项目摘要

As opioid overdose deaths have continued to increase over the past decade across the country, it is critical to understand the drugs involved in those deaths and the potential role of polypharmacy (i.e., the concurrent use of multiple medications) in opioid overdose deaths. However, due to the formidable complexity of drug-drug interactions (DDIs) arising from polypharmacy, it is challenging if not impossible to count them all manually. Therefore, there is an urgent need for developing novel computational methodologies and models for early detection of risky DDI patterns when opioids are combined with other drugs (e.g., sedatives, muscle relaxants, anti-anxieties). Since relying on a single data source for biomedical knowledge discovery often results in unsatisfactory performance, the goal of this project is to design and develop a novel and integrated framework (algorithms, models, and techniques) to construct a heterogeneous network built from multiple data sources and extract useful information from the constructed network to reduce the risk of opioid overdoses resulting from polypharmacy. The key components of the planned research are three-folds. First, the research team will construct a heterogeneous network from multiple data sources for abstract representation. Second, the team will develop scalable techniques for large-scale and dynamic heterogeneous network representation learning. Third, the team will design a novel deep learning framework with interpretability enhancement for early detection of risky DDI patterns when opioids are combined with other medications. The broad impacts of this work include benefits to the general public by addressing one of the most challenging issues facing U.S. public health today (i.e., overdose death prevention). The planned research in this project is also beneficial to the intelligent information management domain where multiple data sources are involved. The project integrates interdisciplinary research with education through curriculum development, the participation of underrepresented groups, and student mentoring activities.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

由于阿片类药物过量死亡在过去十年中在全国范围内持续增加，因此了解导致这些死亡的药物以及多药治疗（即同时使用多种药物）在阿片类药物过量死亡中的潜在作用至关重要。然而，由于复方用药引起的药物相互作用 (DDI) 极其复杂，手动计算所有药物之间的相互作用（DDI）即使不是不可能，也是具有挑战性的。因此，迫切需要开发新的计算方法和模型，以便在阿片类药物与其他药物（例如镇静剂、肌肉松弛剂、抗焦虑剂）联合使用时早期检测危险的 DDI 模式。由于依赖单一数据源进行生物医学知识发现通常会导致性能不理想，因此该项目的目标是设计和开发一种新颖的集成框架（算法、模型和技术）来构建由多个数据源构建的异构网络并从构建的网络中提取有用的信息，以降低因多药用药而导致阿片类药物过量的风险。计划研究的关键组成部分有三个方面。首先，研究团队将从多个数据源构建异构网络进行抽象表示。其次，该团队将开发用于大规模动态异构网络表示学习的可扩展技术。第三，该团队将设计一种新颖的深度学习框架，该框架具有可解释性增强功能，以便在阿片类药物与其他药物结合使用时及早发现危险的 DDI 模式。这项工作的广泛影响包括通过解决当今美国公共卫生面临的最具挑战性的问题之一（即预防过量死亡）来为广大公众带来好处。本项目计划的研究也有利于涉及多个数据源的智能信息管理领域。该项目通过课程开发、代表性不足群体的参与和学生辅导活动将跨学科研究与教育结合起来。该奖项反映了 NSF 的法定使命，并通过使用基金会的智力价值和更广泛的影响审查标准进行评估，被认为值得支持。

项目成果

期刊论文数量（26）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

When Sparsity Meets Contrastive Models: Less Graph Data Can Bring Better Class-Balanced Representations

当稀疏性遇到对比模型时：更少的图数据可以带来更好的类平衡表示

DOI：
发表时间：
2023-07
期刊：
Fortieth International Conference on Machine Learning (ICML
影响因子：
0
作者：
Zhang, Chunhui;Huang, Chao;Tian, Yijun;Wen, Qianlong;Ouyang, Zhongyu;Li, Youhuan;Ye, Yanfang;Zhang, Chuxu
通讯作者：
Zhang, Chuxu

Sparse Feature Representation Learning for Deep Face Gender Transfer

深度人脸性别迁移的稀疏特征表示学习

DOI：
10.1109/iccvw54120.2021.00454
发表时间：
2021-10
期刊：
Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV
影响因子：
0
作者：
Liu, Xudong;Wang, Ruizhe;Peng, Hao;Yin, Minglei;Chen, Chih;Li, Xin
通讯作者：
Li, Xin

Multi-View Self-Supervised Heterogeneous Graph Embedding

多视图自监督异构图嵌入

DOI：
10.1007/978-3-030-86520-7_20
发表时间：
2021-01
期刊：
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD
影响因子：
0
作者：
Zhao, Jianan;Wen, Qianlong;Sun, Shiyu;Ye, Yanfang;Zhang, Chuxu
通讯作者：
Zhang, Chuxu

A Multi-Modality Framework for Drug-Drug Interaction Prediction by Harnessing Multi-source Data

利用多源数据预测药物相互作用的多模态框架

DOI：
10.1145/3583780.3614765
发表时间：
2023-10
期刊：
ACM
影响因子：
0
作者：
Wen, Qianlong;Li, Jiazheng;Zhang, Chuxu;Ye, Yanfang
通讯作者：
Ye, Yanfang

Unifying Data-Model Sparsity for Class-Imbalanced Graph Representation Learning

统一数据模型稀疏性以实现类不平衡图表示学习

DOI：
发表时间：
2023-02
期刊：
The First Workshop on DL-Hardware Co-Design for AI Acceleration (DCAA
影响因子：
0
作者：
Zhang, Chunhui;Tian, Yijun;Wen, Qianlong;Ouyang, Zhongyu;Ye, Yanfang;Zhang, Chuxu
通讯作者：
Zhang, Chuxu

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Yanfang Ye其他文献

Adversarial Cross-View Disentangled Graph Contrastive Learning

对抗性跨视图解缠图对比学习

DOI：
10.48550/arxiv.2209.07699
发表时间：
2024-09-14
期刊：
ArXiv
影响因子：
0
作者：
Qianlong Wen;Z. Ouyang;Chunhui Zhang;Y. Qian;Yanfang Ye;Chuxu Zhang
通讯作者：
Chuxu Zhang

Pob1 participates in the Cdc42 regulation of fission yeast actin cytoskeleton.

Pob1 参与裂殖酵母肌动蛋白细胞骨架的 Cdc42 调节。

DOI：
10.1091/mbc.e09-03-0207
发表时间：
2009-10-15
期刊：
Molecular biology of the cell
影响因子：
3.3
作者：
Sergio A. Rincon;Yanfang Ye;M. A. Villar;B. Santos;Sophie G. Martin;P. Pérez
通讯作者：
P. Pérez

αCyber: Enhancing Robustness of Android Malware Detection System against Adversarial Attacks on Heterogeneous Graph based Model

αCyber：增强 Android 恶意软件检测系统针对基于异构图模型的对抗性攻击的鲁棒性

DOI：
10.1145/3357384.3357875
发表时间：
2019-11-03
期刊：
Proceedings of the 28th ACM International Conference on Information and Knowledge Management
影响因子：
0
作者：
Shifu Hou;Yujie Fan;Yiming Zhang;Yanfang Ye;Jingwei Lei;Wenqiang Wan;Jiabin Wang;Qi Xiong;Fudong Shao
通讯作者：
Fudong Shao

Fair Graph Representation Learning via Diverse Mixture-of-Experts

通过不同的专家组合进行公平图表示学习

DOI：
10.1145/3543507.3583207
发表时间：
2023-04-30
期刊：
Proceedings of the ACM Web Conference 2023
影响因子：
0
作者：
Zheyuan Liu;Chunhui Zhang;Yijun Tian;Erchi Zhang;Chao Huang;Yanfang Ye;Chuxu Zhang
通讯作者：
Chuxu Zhang

Ensemble Clustering for Internet Security Applications

互联网安全应用的集成集群

DOI：
10.1109/tsmcc.2012.2222025
发表时间：
2012-11-01
期刊：
IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews)
影响因子：
0
作者：
Weiwei Zhuang;Yanfang Ye;Yong Chen;Tao Li
通讯作者：
Tao Li