ケモゲノミクスアプローチを用いたカーネルベース化合物-蛋白質相互作用予測のためのリンクマイニング【JST・京大機械翻訳】

Ohue Masahito; Yamazaki Takuro; Ban Tomohiro; Akiyama Yutaka

プレプリント

J-GLOBAL ID：202202214352068416 整理番号：21P0004262

ケモゲノミクスアプローチを用いたカーネルベース化合物-蛋白質相互作用予測のためのリンクマイニング【JST・京大機械翻訳】

Link Mining for Kernel-based Compound-Protein Interaction Predictions Using a Chemogenomics 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： 2017年05月03日プレプリントサーバーでの情報更新日： 2017年06月29日
JST資料番号： O7000B 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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

仮想スクリーニング(VS)は,コストを低減するための計算薬物発見中に広く用いられている。化学ゲノミクスベースの仮想スクリーニング(CGBVS)は,機械学習とデータマイニングを含むいくつかの方法を用いて,既知のCPIネットワークデータから新しい化合物-蛋白質相互作用(CPI)を予測するために使用できる。CGBVSは,非常に効率的で正確なCPI予測を促進するが,CPIが未知である新しい化合物の予測には貧弱な性能がある。ペアワイズカーネル法(PKM)は最先端のCGBVS法であり,新しい化合物の予測に対して高精度を示す。本研究では,リンクマイニングに基づいて,リンク指標カーネル(LIK)と化学的類似性を結合することによりPKMを改善し,これらの方法の精度を評価した。提案方法は,0.562の精度-再現曲線(AUPR)値の下で平均領域を得て,それは従来のGauss相互作用プロファイル(GIP)法(0.455)によって達成されたものより高く,計算時間は数パーセントだけ増加した。【JST・京大機械翻訳】

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

分子・遺伝情報処理 , 生物学的機能

, , ,

前のページに戻る