文献

J-GLOBAL ID：202102216824912136   整理番号：21A1960275

GCN学習に基づく薬物-標的相互作用予測【JST・京大機械翻訳】

A Drug-Target Interaction Prediction Based on GCN Learning

著者 (3件)： Wang Xiaodan (School of Pharmaceutical Chemistry and Chemical Engineering, Guangdong Pharmaceutical University,Zhongshan,Guangdong,China) ,  Wang Jihong (Guangdong University of Education,Department of Computer Science,Guangzhou,Guangdong,China) ,  Wang Zixin (School of Pharmaceutical Chemistry and Chemical Engineering, Guangdong Pharmaceutical University,Zhongshan,Guangdong,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICBCB  ページ： 42-47  発行年： 2021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： 近年,薬剤標的相互作用(DTI)予測のための深層学習法の使用は主流の研究方向になっている。薬物,標的および他の関連する生物学的および化学的特性は,非常に複雑なネットワーク構造を構築した。効果的にネットワーク特性を抽出して,ターゲットを予測する方法は,大きな課題になった。グラフ畳込みニューラルネットワーク(GCN)は,複雑なネットワークのための効果的深層学習方法の1つである。それは伝統的ヨーロッパ空間から非ユークリッド空間への畳込み操作を拡張し,エンドツーエンドノード属性情報と構造情報を同時に実行することができた。エンドツーエンド学習,そのコアアイディアは,マッピンググラフにおけるノードがそれら自身の特徴とその近傍特徴を集合させ,ノードの新しい表現を生成することができる機能マッピングを学習することである。本研究では,DTI予測研究のためのGCNリンク予測法デカゴンを導入した。実験データはDTI-netモデルから得た。薬物-薬物相互作用関係マトリックス,標的-標的相互作用関係マトリックスとDTI-netによって提供される薬物-標的相互作用関係マトリックスを結合することによって,薬物特性とターゲット特性をネットワークノードの属性特性として表現して,それによってDTI不均一ネットワークを得た。薬物標的関係を予測する能力を改善するために,本論文では,パラメータ選択と最適化戦略で多くの調整実験を行い,予測結果を分析し比較した。最良の予測AUCは0.919であり,最良のAUPRは0.922であった。従来の薬剤-標的予測法に関して,GCN法は不均一ネットワークに含まれる特徴を効果的に抽出することができ,薬物-標的相互作用の予測におけるこの方法の実現可能性を証明した。Copyright 2021 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： 予測技法 ,  最適化 ,  *相互作用 ,  畳込み ,  *学習 ,  ネットワーク ,  薬物相互作用 ,  ネットワーク構造 ,  Euclid空間 ,  エンドツーエンド方式 ,  前向きコホート研究
準シソーラス用語： 学習方法 ,  ネットワークノード ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (5件)： 学習 ,  薬物 ,  標的 ,  相互作用 ,  予測