文献

J-GLOBAL ID：202002211094768003   整理番号：20A0493721

薬物-薬物相互作用を予測するためのマルチモーダル深部自動エンコーダを用いた構造ネットワーク埋め込み【JST・京大機械翻訳】

Structural Network Embedding using Multi-modal Deep Auto-encoders for Predicting Drug-drug Interactions

著者 (5件)： Liu Shichao (College of Informatics, Huazhong Agricultural University,Wuhan,China) ,  Huang Ziyang (College of Informatics, Huazhong Agricultural University,Wuhan,China) ,  Qiu Yang (College of Informatics, Huazhong Agricultural University,Wuhan,China) ,  Chen Yi-Ping Phoebe (La Trobe University,Department of Computer Science and Information Technology,Melbourne,Australia) ,  Zhang Wen (College of Informatics, Huazhong Agricultural University,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： BIBM  ページ： 445-450  発行年： 2019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： 薬物-薬物相互作用(DDIs)の予測は,患者の安全性と公衆衛生にとって重要である。既存のDDI予測法は,主に3つのカテゴリに分類される:知識ベース,類似性ベースおよびネットワークベース。最近,研究は,不均一な薬物特徴を統合することが,高精度予測モデルを開発するために非常に重要であることを実証した。しかし,それは,多くの新しい課題,すなわち,不均一特性,非線形関係および不完全データをもたらした。本論文では,DDI予測のためのマルチモーダルの深いオートエンコーダに基づく薬物表現学習法を提案し,DDI-MDAEと略記した。提案した方法は,マルチモーダルの深いオートエンコーダを用いて複数の薬物特徴ネットワークから同時に薬物の統一表現を学習する。次に,薬物-薬物対を表すために学習された薬物埋め込みに関するいくつかの演算子を採用し,DDI予測のためのモデルを訓練するためにランダムフォレストを利用する。実験結果により,DDI-MDAEは,多様な情報を融合することにより,効果的に薬物の表現を学習し,他の最新のベンチマーク法より優れていることを示した。さらに重要なことに,DDI-MDAEは,既知の相互作用なしで薬物に対しても作用する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  類似性 ,  予測技法 ,  予測モデル ,  公衆衛生 ,  *相互作用 ,  *薬物相互作用 ,  知識ベース ,  *符号器 ,  *多モード ,  学習
準シソーラス用語： ベンチマーキング ,  ランダムフォレスト ,  自己符号化器 ,  高精度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 薬物 ,  薬物相互作用 ,  予測 ,  マルチモーダル ,  深部 ,  エンコーダ ,  埋め込み