文献

J-GLOBAL ID：202102217438313102   整理番号：21A0442463

GCNベースHIN埋込みによる薬剤再配置のための強化LRMC法【JST・京大機械翻訳】

An Enhanced LRMC Method for Drug Repositioning via GCN-based HIN Embedding

著者 (6件)： Sun Haowen (Wangxuan Institute of Computer Technology Peking University,Beijing,China) ,  Lyu Xiaoqing (Wangxuan Institute of Computer Technology Peking University,Beijing,China) ,  Wang Bei (Wangxuan Institute of Computer Technology Peking University,Beijing,China) ,  Wang Yifan (Beijing University of Posts and Telecommunications,International School,Beijing,China) ,  Tang Zhi (Wangxuan Institute of Computer Technology Peking University,Beijing,China) ,  Liu Zhenming (Peking University,School of Pharmaceutical Sciences,Department of Medical Chemistry,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 1137-1141  発行年： 2020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： 薬物再配置は,最近数年間にわたる薬物発見の分野でますます注目を集めている。しかし,不均一情報ネットワーク(HIN)を完全に利用する高効率予測方法は,更なる研究に値する。この目的のために,本論文では,HINs埋め込みと,より潜在的な薬物-標的相互作用に対するリンク予測の統合を介して,薬物再配置のためのアプローチを提案する。多重サイド情報を利用するために,HINのためのグラフ畳込みネットワーク(GCN)ベースの埋込み法を導入した。得られた薬物関連および標的関連情報を採用して,低ランク行列完了(LRMC)モデルを改善した。さらに,負のサンプルのノイズを緩和するための規制を設計して,LRMCの最適化を強化した。比較データベース上で行った実験は,提案した方法が薬物再配置の予測において既存の手法よりも有効であることを示した。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 ,  雑音 ,  相互作用 ,  *畳込み ,  データベース ,  ネットワーク ,  情報ネットワーク ,  多重化
準シソーラス用語： 高効率 ,  サイド情報 ,  再配列 , 【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 (4件)： 埋込み ,  薬剤 ,  再配置 ,  強化