ISCMF:薬物-薬物相互作用予測のための統合類似性制約行列因子分解【JST・京大機械翻訳】

Rohani Narjes; Eslahchi Changiz; Eslahchi Changiz; Katanforoush Ali

文献

J-GLOBAL ID：202002211895850200 整理番号：20A0332510

ISCMF:薬物-薬物相互作用予測のための統合類似性制約行列因子分解【JST・京大機械翻訳】

ISCMF: Integrated similarity-constrained matrix factorization for drug-drug interaction prediction

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0332510&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0332510&from=J-GLOBAL&jstjournalNo=W4796A") }}

著者 (4件)： , , ,
資料名：
巻： 9 号： 1 ページ： 11 発行年： 2020年
JST資料番号： W4796A ISSN： 2192-6670 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

薬物-薬物相互作用(DDI)予測は薬物発見のための実質的な情報を準備する。DDIsの正確な予測はヒトの健康リスクを低減できるので,この問題を解決するための正確な方法の開発は非常に重要である。野外における多くの研究にもかかわらず,かなりの数のDDIsはまだ同定されていない。本研究では,DDIsを予測するために統合類似性制約行列因数分解(ISCMF)を用いた。8つの類似性を薬物のサブ構造,標的,副作用,非標識副作用,経路,輸送体,酵素,および指示データ,ならびに薬物対に対するGaussian相互作用プロファイルに基づいて計算した。次に,非線形類似性融合法を用いて,複数の類似性を統合し,それらをより有益にした。最後に,ISCMFを用いて,DDIsへの新しい洞察を得るために,相互作用空間における薬物を低ランク空間に投影した。しかし,ISCMFのすべての部分は以前の研究で提案されているが,著者らの新規性はDDI予測文脈に適用され,それらを組み合わせている。ISCMFをいくつかの最先端の方法と比較した。結果は,それが5倍の交差検証においてより適切な結果を達成したことを示した。それは,AUPRとF測度をそれぞれ10%と18%改善する。更なる検証のために,高い確率を持つISCMFにより予測された多数の相互作用に関する事例研究を行い,そのほとんどが信頼できるデータベースにより検証された。著者らの結果は,ISCMFが未知のDDIsを予測するための強力な方法として明確に使用される可能性があるという概念に対する支持を提供する。ISCMFのデータと実装は利用可能である。Copyright Springer-Verlag GmbH Austria, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

分子・遺伝情報処理 , 薬物の相互作用

, , , , , , ,

前のページに戻る