文献

J-GLOBAL ID：201902269109999499   整理番号：19A1410580

機械学習に基づく薬物標的相互作用予測における最近の進歩【JST・京大機械翻訳】

Recent Advances in the Machine Learning-Based Drug-Target Interaction Prediction

著者 (6件)： Zhang Wen (School of Computer Science, Wuhan University, Wuhan 430072, China) ,  Lin Weiran (School of Computer Science, Wuhan University, Wuhan 430072, China) ,  Zhang Ding (School of Computer Science, Wuhan University, Wuhan 430072, China) ,  Wang Siman (School of Computer Science, Wuhan University, Wuhan 430072, China) ,  Shi Jingwen (School of Mathematics and Statistics, Wuhan University, Wuhan 430072, China) ,  Niu Yanqing (School of Mathematics and Statistics, South-Central University for Nationalities, Wuhan 430074, China)
資料名： Current Drug Metabolism  (Current Drug Metabolism)
巻： 20  号： 3  ページ： 194-202  発行年： 2019年 
JST資料番号： W3583A  ISSN： 1389-2002  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 背景:薬物標的相互作用の同定は薬物発見における重要な問題である。近年,研究者は薬物標的相互作用予測に大きな努力を行い,データベース,ソフトウェアおよび計算法を開発した。結果:本論文では,機械学習に基づく薬物標的相互作用予測における最近の進歩をレビューした。最初に,データセットとデータを簡潔に紹介し,異なるデータから抽出できる薬物とターゲットの特徴を要約した。薬物-薬物類似性と標的-標的類似性は多くの機械学習予測モデルにとって重要であるので,著者らはデータまたは特徴に基づいて類似性を計算する方法を紹介した。異なる機械学習ベースの薬物ターゲット相互作用予測法を,異なる特徴または情報を用いて提案することができた。そこで,異なる機械学習に基づく予測法を要約し,解析し,比較した。【結論】本研究は,薬物-標的相互作用予測のための計算法の開発への指針を提供する。Copyright 2019 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  類似性 ,  *予測 ,  予測モデル ,  ソフトウェア ,  データベース ,  *機械学習 ,  *相互作用
準シソーラス用語： *創薬標的 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  薬物標的相互作用 ,  創薬 ,  薬物再利用 ,  分子指紋 ,  類似性測度

分類 (3件)： 細胞生理一般  (EF02010S) ,  神経の基礎医学  (GN01020W) ,  抗腫よう薬の基礎研究  (GW16010A)

タイトルに関連する用語 (4件)： 機械学習 ,  薬物標的 ,  相互作用 ,  予測