文献

J-GLOBAL ID：201902286175687147   整理番号：19A2309141

ATC-NLSP:ネットワークベースのラベル空間分割法を用いた解剖学的治療化学物質のクラスの予測【JST・京大機械翻訳】

ATC-NLSP: Prediction of the Classes of Anatomical Therapeutic Chemicals Using a Network-Based Label Space Partition Method

著者 (5件)： Wang Xiangeng (State Key Laboratory of Microbial Metabolism, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China) ,  Wang Yanjing (State Key Laboratory of Microbial Metabolism, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China) ,  Xu Zhenyu (State Key Laboratory of Microbial Metabolism, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China) ,  Xiong Yi (State Key Laboratory of Microbial Metabolism, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China) ,  Wei Dong-Qing (State Key Laboratory of Microbial Metabolism, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China)
資料名： Frontiers in Pharmacology (Web)  (Frontiers in Pharmacology (Web))
巻： 10  ページ： 971  発行年： 2019年 
JST資料番号： U7091A  ISSN： 1663-9812  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 世界保健機関により提案された解剖学的治療化学(ATC)分類システムは,学術的および産業的領域の両方において広く受け入れられている薬物分類スキームである。それは,治療的,薬理学的および化学的属性に従って,薬物を複数のクラスに分類する多重標識システムである。本研究では,マルチラベル学習フレームワーク内の与えられた化合物のATCクラスの予測のために,データ駆動ネットワークベースのラベル空間分割(NLSP)法を採用した。提案したATC-NLSPは,異なるATCカテゴリーに属する他の化合物に対する化合物の化学-化学相互作用および構造的およびフィンガープリント類似性のような類似性に基づく特徴に関して訓練される。NLSP法は,コミュニティ検出アルゴリズムにより検出される各ラベルクラスタ(多分交差)に対する予測子を訓練し,最終予測として化合物に対するアンサンブルラベルを取る。ベンチマークデータセットに関するジャックナイフ試験に基づく実験的評価により,この方法が絶対真率を押し上げることを実証した。これは,最先端の手法と比較して,0.6330から0.7497までの本研究における最も厳しい評価基準である。さらに,ラベル関係グラフのコミュニティ構造をラベル伝搬法を通して検出した。単一ラベルモデルに対するマルチラベル学習の利点を,ラベルごとの解析により示した。著者らの研究は,ネットワーク研究コミュニティからアイデアを採用し,データ駆動方法におけるラベルの相関を捉える提案方法ATC-NLSPが,ATC予測タスクにおけるトップ実行モデルであることを示した。著者らは,NLSPの力が薬物発見におけるマルチラベル学習タスクに対して解明されていないことを信じた。ソースコードはhttps://github.com/dqwei-lab/ATCで自由に利用できる。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  指紋 ,  *治療法 ,  ヒト ,  学習 ,  類似性 ,  世界保健機関 ,  *予測 ,  多重化 ,  *解剖学 ,  評価基準 ,  ベンチマーク ,  コミュニティ ,  相互作用
準シソーラス用語： データ駆動 ,  *空間分割 , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬剤分類 ,  マルチラベル分類 ,  ラベル相関 ,  ラベル空間分割 ,  ラベル伝搬

分類 (3件)： 抗腫よう薬の基礎研究  (GW16010A) ,  細胞膜の受容体  (EF04030C) ,  腫ようの化学・生化学・病理学  (GE02030N)

引用文献 (61件)：

• Bergsma W. (2013). A bias-correction for Cramér’s V and Tschuprow’s T. J. Korean Stat. Soc. 42 (3), 323-328. doi: doi: 10.1016/j.jkss.2012.10.002
• Bian Y., Jing Y., Wang L., Ma S., Jun J. J., Xie X. Q. (2019). Prediction of orthosteric and allosteric regulations on cannabinoid receptors using supervised machine learning classifiers. Mol. Pharm. 16 (6), 2605-2615. doi: doi: 10.1021/acs.molpharmaceut.9b00182
• Blondel V. D., Guillaume J.-L., Lambiotte R., Lefebvre E. (2008). Fast unfolding of communities in large networks. J. Stat. Mech.-Theory E. 2008 (10), P10008. doi: doi: 10.1088/1742-5468/2008/10/P10008
• Breiman L. (2001). Random forests. Mach. Learn. 45 (1), 5-32. doi: doi: 10.1023/A:1010933404324
• Chen T., Guestrin C. (2016). “"XGBoost: a scalable tree boosting system,"” in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (San Francisco, California, USA: ACM). doi: doi: 10.1145/2939672.2939785

タイトルに関連する用語 (8件)： ATC ,  ラベル ,  分割法 ,  解剖学 ,  治療 ,  化学物質 ,  クラス ,  予測