文献

J-GLOBAL ID：201702254713907873   整理番号：17A0142721

薬物,疾患およびゲノム関連の統合による薬物再配置のための半教師つきグラフカットアルゴリズム【Powered by NICT】

Semi-supervised graph cut algorithm for drug repositioning by integrating drug, disease and genomic associations

著者 (3件)： Guangsheng Wu (State Key Laboratory of Software Engineering, School of Computer, Wuhan University, China 430072) ,  Juan Liu (State Key Laboratory of Software Engineering, School of Computer, Wuhan University, China 430072) ,  Caihua Wang (State Key Laboratory of Software Engineering, School of Computer, Wuhan University, China 430072)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 223-228  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 創薬は高コストで時間のかかるプロセスである。承認された薬剤は,薬物動力学的性質および毒性学的プロファイルを有利か検証した。新しい疾患への再目的化承認されている薬剤は,早期試験に関連する膨大なコストを潜在的に回避できる。本研究では,承認されている薬剤を再配置するために薬物-薬物,疾患-疾患,遺伝子と遺伝子および遺伝子と薬物 疾患関連を統合することを提案した。データの複数情報源は三層:化学/表現型層,遺伝子/機構層と処理層に統合した。第二に,三層における薬物-薬物と疾患-疾患類似性があるそれぞれ計算し,次に一緒に組み合わせた。最後に,類似薬は類似疾患を治療するであろうという仮説に基づいて,薬物再配置問題をモデル化する最適化問題として問題を解くための半教師つきグラフカット(SSGC)アルゴリズムを提案した。実験結果は,データの複数情報源を統合した単一種のデータだけを考慮するよりも優れた性能を達成できることを示しており,著者らの方法は,三の代表的なアプローチよりも優れている。さらに,予測したトップランク再配置関係は文献で報告された,実際にこの方法の有用性を説明した。予測結果はhttps://github.com/wgs666/SSGC.gitで利用可能である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 情報源 ,  モデリング ,  表現型 ,  最適化問題 ,  毒物学 ,  類似性 ,  *ゲノム ,  *アルゴリズム ,  遺伝子 ,  配置問題
準シソーラス用語： *グラフカット ,  創薬 ,  *再配列 , 【Automatic Indexing@JST】

分類 (2件)： 生産関連一般  (GU01051P) ,  薬物の合成  (GV01030F)

タイトルに関連する用語 (8件)： 薬物 ,  疾患 ,  ゲノム ,  統合 ,  再配置 ,  教師 ,  グラフカット ,  アルゴリズム