文献

J-GLOBAL ID：202002260345130994   整理番号：20A2274311

MTNE:薬物-薬物相互作用を予測するためのマルチテキストを意識したネットワーク埋込み【JST・京大機械翻訳】

MTNE: A Multitext Aware Network Embedding for Predicting Drug-Drug Interaction

著者 (7件)： Hu Fuyu (School of Computer, University of South China, Hengyang, Hunan, China) ,  Hu Fuyu (Hunan Medical Big Data International Sci. & Tech. Innovation Cooperation Base, Changsha, China) ,  Ouyang Chunping (School of Computer, University of South China, Hengyang, Hunan, China) ,  Ouyang Chunping (Hunan Medical Big Data International Sci. & Tech. Innovation Cooperation Base, Changsha, China) ,  Liu Yongbin (School of Computer, University of South China, Hengyang, Hunan, China) ,  Liu Yongbin (Hunan Medical Big Data International Sci. & Tech. Innovation Cooperation Base, Changsha, China) ,  Bu Yi (Department of Information Management, Peking University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12430  ページ： 306-318  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 薬物-薬物相互作用(DDI)の同定は,薬物発見における重要な研究課題である。DDIの正確な予測は,薬剤開発過程中の予想外の相互作用を低下させ,薬剤安全性監視で重要な役割をする。多くの既存の方法は,薬物間の観察されない相互作用を予測するために薬物特性を使用した。しかし,薬物特徴間の意味的関係は,ほとんど考慮されておらず,低い予測精度をもたらした。さらに,不完全な注釈データおよびスパース薬物特性は,DDI予測の性能を大きく妨げた。本論文では,複数の外部情報源を考慮したMTNE(MultiText Aware Network Embedding)と名付けたネットワーク埋込み法を提案した。MTNEは,薬物記述の動的表現と相互注意機構を介した薬力学を学習する。それは,薬物のテキスト情報と薬物-薬物相互作用ネットワークのトポロジー情報の両方を利用して,低次元ベクター空間に高次元薬物-薬物相互作用ネットワークを効果的にマップする。薬剤Bankデータセットに基づく実験を行った。結果は,MTNEが76.1%のAUC値でDDI予測の性能を改善し,他の最先端の方法より優れていることを示した。さらに,MTNEはスパースデータセット上で高品質な予測結果を達成できる。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *相互作用 ,  情報源 ,  *ネットワーク ,  *薬物相互作用 ,  高次元 ,  ベクター ,  アノテーション ,  薬力学
準シソーラス用語： 創薬 ,  予測精度 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物-薬物相互作用 ,  ネットワーク埋込み ,  テキスト情報 ,  トポロジー情報 ,  動的表現

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  薬物の相互作用  (GV01070X)

タイトルに関連する用語 (6件)： 薬物 ,  薬物相互作用 ,  予測 ,  マルチ ,  意識 ,  埋込み