The identification of drug side-effects is considered to be an important step in drug design, which could not only shorten the time but also reduce the cost of drug development. In this paper, we investigate the relationship between the potential side-effects of drug candidates and their chemical structures. The preliminary Regularized Regression (RR) model for drug side-effects prediction has promising features in the efficiency of model training and the existence of a closed form solution. It performs better than other state-of-the-art methods, in terms of minimum accuracy and average accuracy. In order to dig inside how drug structure will associate with side effect, we propose weighted GTS (Generalized T-Student Kernel: WGTS) SVM model from a structural risk minimization perspective. The SVM model proposed in this paper provide a better understanding of drug side-effects in the process of drug development. The usefulness of the WGTS model lies in the superior performance in a cross validation setting on a 1385 side-effects profiling from SIDER database and the chemical structures of 888 approved drugs and independent side-effect profile predictions. This work is expected to shed light on intriguing studies that predict potential un-identifying side-effects and suggest how we can avoid drug side-effects by the removal of some distinguished chemical structures.

中文翻译：

---

药物副作用概况预测：从经验到结构风险最小化。

药物副作用的识别被认为是药物设计中的重要步骤，它不仅可以缩短时间，而且可以降低药物开发的成本。在本文中，我们研究了候选药物的潜在副作用与其化学结构之间的关系。用于药物副作用预测的初步正则回归（RR）模型在模型训练的效率和封闭形式解决方案的存在方面具有很有希望的特征。在最低准确度和平均准确度方面，它比其他最新技术要好。为了深入了解药物结构将如何与副作用相关联，我们从结构风险最小化的角度提出了加权GTS（广义T型学生核：WGTS）SVM模型。本文提出的SVM模型可更好地了解药物开发过程中的药物副作用。WGTS模型的有用之处在于，它在对SIDER数据库的1385种副作用进行交叉验证，与888种已批准药物的化学结构以及独立的副作用预测相关的交叉验证设置中均具有出色的性能。预期这项工作将有助于进行有趣的研究，这些研究预测潜在的不确定的副作用，并提出我们如何通过去除某些独特的化学结构来避免药物的副作用。WGTS模型的有用之处在于，它在对SIDER数据库的1385种副作用进行交叉验证，与888种已批准药物的化学结构以及独立的副作用预测相关的交叉验证设置中均具有出色的性能。预期这项工作将有助于进行有趣的研究，这些研究预测潜在的不确定的副作用，并提出我们如何通过去除某些独特的化学结构来避免药物的副作用。WGTS模型的有用之处在于，在对SIDER数据库的1385种副作用进行交叉验证，与888种获批药物的化学结构以及独立的副作用预测相关的交叉验证设置中，均具有出色的性能。预期这项工作将有助于进行有趣的研究，这些研究预测潜在的不确定的副作用，并建议我们如何通过去除某些独特的化学结构来避免药物的副作用。