有害薬物効果の予測:多層パーセプトロンアプローチによる異種グラフ畳込みネットワーク【JST・京大機械翻訳】

Chen, Y.- H.; Shih, Y.-T.; Chien, C.- S.; Tsai, C.- S.

プレプリント

J-GLOBAL ID：202202202458689462 整理番号：22P0321837

有害薬物効果の予測:多層パーセプトロンアプローチによる異種グラフ畳込みネットワーク【JST・京大機械翻訳】

Predicting Adverse Drug Effects: A Heterogeneous Graph Convolution Network with a Multi-layer Perceptron Approach

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年07月26日プレプリントサーバーでの情報更新日： 2022年07月26日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

GCNMLPは,副作用の3つの異なるデータセット,すなわちSIDER,OFFSIDERS,およびFAERSに実装される。これらの結果は,これら3つのデータセット上のGCNMLPの性能は,非負行列因数分解法(NMF)と,様々な評価尺度に関してよく知られた機械学習法よりも優れていることを示した。さらに,GCNMLPを用いて薬物の新しい副作用を得ることができた。【JST・京大機械翻訳】

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

人工知能 , 数値計算

, , , ,

前のページに戻る