論文の概要: MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction

• arxiv url: http://arxiv.org/abs/2606.12578v1
• Date: Wed, 10 Jun 2026 18:26:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.402467
• Title: MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction
• Title（参考訳）: MARD : メカニズムレベル薬物と薬物の相互作用予測のためのミラー強化共鳴蒸留法
• Authors: Mohammadreza Riyazat, Vian Lelo, Rameen Jafri, Yumna Khan, Abeer Badawi,
• Abstract要約: メカニズムレベルの薬物・薬物相互作用(DDI)予測は、どの酵素または薬物動態軸が関与しているかを特定する必要がある。 そこで本研究では, 7- Family/147-subtype taxonomy を組み込んだ再現可能な機構レベルのDDIラベリングと評価プロトコルを提案する。 我々は、7B推論MARD(Mirror-Augmented Reasoning Distillation)を生成するパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mechanism-level drug-drug interaction (DDI) prediction requires identifying which enzyme or pharmacodynamic axis is implicated, in which direction, and with which evidence -- not merely whether two drugs interact. We introduce a reproducible mechanism-level DDI labelling and evaluation protocol with a structured 7-family/147-subtype taxonomy, leakage-safe cold-split protocols, and auditable reasoning metrics for evaluating pharmacological prediction beyond flat interaction classification. We propose a pipeline that produces a 7B reasoning MARD (Mirror-Augmented Reasoning Distillation), combining three training innovations: a single-token KL divergence on direction tag that ties the model's prediction, per-loss PRM-weighted DPO with programmatic hard negatives, and a leakage-safe mechanism-aware retrieval channel. Process-reward step labels are automatically verifiable against DrugBank-structured fields, requiring no human or LLM judges. On the April-2026 DrugBank release, our MARD-7B is the only system in a 32-system comparison whose accuracy survives drug-pair novelty, beating the best baseline by +13.9 pp and GPT-4o by +6.7 pp at ~1% of frontier API cost. Further analysis reveals an anti-memorisation signature where accuracy improves on rarely seen drugs, suggesting that gain comes from structured pharmacological reasoning rather than drug-frequency memorisation. We release corpus, DDI-PRM, retrieval index, and training code.
• Abstract（参考訳）: メカニズムレベルの薬物と薬物の相互作用(DDI)予測では、どちらの酵素や薬物の軸がどの方向、どのエビデンスに関係しているかを特定する必要がある。 本研究では,7- Family/147-subtype 分類,リークセーフコールドスプリットプロトコル,および平らな相互作用分類を超えて薬理学的予測を評価するための監査可能な推論指標を用いた再現可能な機構レベルのDDIラベル付けおよび評価プロトコルを提案する。 本稿では、7B推論MARD(Mirror-Augmented Reasoning Distillation)を生成するパイプラインを提案し、モデルの予測に結びつく方向タグの単一トークンKL分散、プログラム的ハードネガ付きPRM重み付きDPO、漏洩安全機構対応検索チャネルの3つのトレーニングイノベーションを組み合わせた。 プロセス・リワード・ステップ・ラベルは、人やLLMの審査員を必要とせず、TarmBankの構造化されたフィールドに対して自動的に検証される。 4～2026年のDarmBankリリースでは、MARD-7Bが32システム比較で唯一のシステムであり、その正確さは薬のペアノベルティに留まり、最良ベースラインは+13.9pp、GPT-4oは+6.7pp、フロンティアAPIコストは+1%である。 さらに分析した結果、滅多に見られない薬物の精度が向上する反覚醒のサインが明らかとなり、薬剤の覚醒ではなく、構造化された薬理学的推論から得られることが示唆された。 コーパス、DDI-PRM、検索インデックス、トレーニングコードをリリースする。

関連論文リスト

• Training distribution determines the ceiling of drug-blind cancer sensitivity prediction [0.304585143845864]
  精密腫瘍学では、どの薬が特定の腫瘍をその分子プロファイルから抑制するかを予測する必要がある。 薬物表現の複雑化にもかかわらず,薬の盲目感受性の予測は低下している。
  論文  参考訳（メタデータ） (2026-05-20T08:24:56Z)
• Dual-Pathway Fusion of EHRs and Knowledge Graphs for Predicting Unseen Drug-Drug Interactions [5.481037938702276]
  薬物と薬物の相互作用(DDI)は予防可能な害の主要な原因である。 我々は,患者レベル EHR の文脈に基づいて,KG 関係のスコアリングを条件付ける最初のシステムを紹介した。 融合"Teacher"は、両方のソースに表される薬物対のメカニズム固有の関係を学習する。 蒸留された「Student」は、推論時にKGアクセスのない新規または稀に使用される薬物に一般化する。
  論文  参考訳（メタデータ） (2025-11-10T03:18:16Z)
• A Hybrid Computational Intelligence Framework with Metaheuristic Optimization for Drug-Drug Interaction Prediction [0.8602553195689512]
  薬物と薬物の相互作用(DDI)は予防可能な有害事象の主要な原因であり、しばしば治療を複雑にし、医療費を増大させる。 本稿では、DDI予測を改善するために、現代の機械学習とドメイン知識を融合した解釈可能かつ効率的なフレームワークを提案する。 提案手法は, フラグメントレベルの構造パターンをキャプチャする Mol2Vec と, 文脈化学的特徴を学習する SMILES-BERT の2つの補完的な埋め込みを組み合わせる。
  論文  参考訳（メタデータ） (2025-10-08T09:55:18Z)
• Retrieval Augmented Large Language Model System for Comprehensive Drug Contraindications [0.0]
  大規模言語モデル(LLM)の汎用性は、様々な分野にわたって検討されてきたが、医療への応用には課題がある。 本研究では,レトリーバル拡張生成(RAG)パイプラインを実装することにより,LLMの対位法に効果的に対応する能力を高める。
  論文  参考訳（メタデータ） (2025-08-08T09:09:03Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
  分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。 BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。 ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
  論文  参考訳（メタデータ） (2023-12-09T07:08:00Z)
• KGML-xDTD: A Knowledge Graph-based Machine Learning Framework for Drug Treatment Prediction and Mechanism Description [11.64859287146094]
  KGML-xDTD(知識グラフに基づく機械学習フレームワーク)を提案する。 グラフベースの強化学習プロセスにおける中間指導として,知識と公開に基づく情報を活用し,生物学的に意味のある「実証経路」を抽出する。
  論文  参考訳（メタデータ） (2022-11-30T17:05:22Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)
• Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
  本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。 分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
  論文  参考訳（メタデータ） (2021-10-14T13:28:02Z)
• Two Step Joint Model for Drug Drug Interaction Extraction [82.49278654043577]
  薬物と薬物の相互作用 (DDI) テキスト分析会議 (TAC) 2018における薬物ラベルからの抽出 本稿では,DDI検出のための2段階関節モデルを提案する。 シーケンスタギングシステム(CNN-GRUエンコーダデコーダ)は、まず沈殿剤を発見し、その微細なトリガーを探索し、第2ステップで沈殿剤毎のDDIを決定する。
  論文  参考訳（メタデータ） (2020-08-28T15:30:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。