چکیده: تداخلات دارو و دارو (DDIs) برای تحقیقات دارویی و مراقبت دارویی بسیار مهم است. این تداخلات ممکن است باعث اثرات نامطلوب دارویی شود که سلامت عمومی و ایمنی بیمار را تهدید میکند؛ بنابراین، کشف DDIها به طور گسترده در تحقیقات پزشکی موردمطالعه و تأکید قرار گرفته است. رویکردهای مبتنی بر قوانین و یادگیری ماشین قبلی پرزحمت، زمان بر و رضایتبخش نبودند به همین جهت در اين پژوهش، با استفاده از شبکههای پیچیده و شبکه عصبیگرافی و ارائه یک راهکار تحلیل شبکه پیچیده برای یافتن تداخلات دارویی این پژوهش مورد اهمیت قرار میگیرد. در این پژوهش از پایگاهدادههای سایت بانک دارو که شامل ۱۵۱۴ دارو و ۴۸۵۱۴ یال است و همچنین با درنظرگرفتن دو روش خوشهبندی طیفی و سلسلهمراتبی و ماتریس اصلاح شدهای که ایجاد شده به نتایج مطلوبی نسبت به تحقیقات پیشین دستیافتهایم که بهدقت ۹۵.۳% برای یافتن تداخلات دارویی دستیافتهایم و همچنین مجموعهداده شامل ۱۷۰۶ دارو و ۱۹۱۸۰۸ تاپل DDIs است که در ۸۶ نوع تعامل طبقهبندیشدهاند که توضیح میدهد چگونه یک دارو بر متابولیسم داروی دیگری تأثیر میگذارد که با استفاده از شبکه عصبیگرافی و بهینهسازی پارامتر ای آن در روند نتیجه بهبود حاصل شد. از کلیدیترین مزاياي کشف تداخلات دارویی در شبکههای دارویی میتوان به جلوگيري تداخلات دارویی و آشنايي با تداخلات جدید اشاره کرد. . نتایج این تحقیق میتوانند به بهبود پروتکلهای درمانی و کاهش خطرات ناشی از تداخلات دارویی کمک کنند.
