文献

J-GLOBAL ID：202102270749458006   整理番号：21A0279682

LINE-RF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 LINE-RF Learning

著者 (4件)： Wang Jihong ( School of Data and Computer Science, Sun Yat-Sen University, Guangzhou, Guangdong, China) ,  Shi Yue ( School of Data and Computer Science, Sun Yat-Sen University, Guangzhou, Guangdong, China) ,  Wang Xiaodan ( School of Pharmaceutical Chemistry and Chemical Engineering, Guangdong Pharmaceutical University, Zhongshan, Guangdong, China) ,  Chang Huiyou ( School of Data and Computer Science, Sun Yat-Sen University, Guangzhou, Guangdong, China)
資料名： Current Bioinformatics  (Current Bioinformatics)
巻： 15  号： 7  ページ： 750-757  発行年： 2020年 
JST資料番号： W2353A  ISSN： 1574-8936  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 背景:現在,薬物-標的相互作用(DTIs)を予測するコンピュータ法を用いて,新薬および薬物再配置プロセスの発見における非常に重要なステップである。機械学習法によって同定した潜在的DTIsは,生化学または臨床実験における指針を提供できる。目的:本報告の目的は,薬物標的予測研究のための最新のネットワーク表現学習法を結合して,モデル予測能力を改善し,新薬開発を促進することである。方法:大規模情報ネットワーク埋め込み(LINE)法を用いて,薬物,ターゲット,疾患などのネットワークトポロジー特徴を抽出し,異種ネットワークから得られた特徴を統合し,二値分類サンプルを構築し,ランダムフォレスト(RF)法を用いてDTIsを予測した。結果:本論文における実験は,RF,LR,およびSVMの一般的分類器,ならびにLINE,Node2Vec,およびDeepWalkの典型的ネットワーク表現学習法を比較する。組合せ方法LINE-RFが最良の結果を達成し,0.9349のAUCと0.9016のAUPRに達することが分かった。結論:LINEネットワークに基づく学習方法は,ネットワークトポロジーから薬物,ターゲット,疾患および他の隠れ特徴を効果的に学習することができる。多重ネットワークを通して学習された特徴の組合せは,発現能力を強化することができる。RFは教師つき学習の有効な方法である。したがって,ライン-RF組合せ法は広く適用可能な方法である。Copyright 2021 Bentham Science Publishers All rights reserved. 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 ,  *学習 ,  ネットワーク ,  情報ネットワーク ,  教師つき学習 ,  多重化 ,  コンピュータ ,  機械学習 ,  前向きコホート研究
準シソーラス用語： 創薬 ,  ネットワークトポロジー ,  *LINE ,  ランダムフォレスト ,  異種混合ネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 薬物-標的相互作用 ,  ネットワーク表現学習 ,  LINE ,  ランダムフォレスト ,  薬物バンク ,  トポロジー

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (6件)： LINE ,  RF ,  学習 ,  薬物標的 ,  相互作用 ,  予測