Multimodal graph machine learning for drug target prioritization
MultiGML kombiniert relevantes Wissen und experimentelle Daten (z. B. Genexpressionsdaten, Mikroskopiebilder, Proteinsequenzen) in einer umfassenden, strukturierten und neutralen Weise. Technisch wird dies durch einen semantisch harmonisierten Wissensgraphen realisiert, den wir aus 14 kuratierten biologischen Datenbanken zusammengestellt haben. Daraus ergeben sich etwa 400.000 Beziehungen zwischen Proteinen, Medikamenten und Phänotypen, einschließlich unerwünschter Nebenwirkungen.
Fraunhofer SCAI bietet zwei Versionen von MultiGML an: MultiGML_Model und MultiGML_Code.