本文關鍵詞：基于多標記學習預測藥物-靶標相互作用　出處：《計算機工程與應用》2017年15期 　論文類型：期刊論文

  更多相關文章： 藥物-靶標相互作用 多標記學習 多信息融合 藥物-靶標相互作用網絡 藥物相似性

【摘要】：對藥物-靶標關聯進行了研究,提出基于弱標記和多信息融合的藥物-靶標相互作用預測方法 PDML。通過與其他方法對比和數據庫檢索驗證評估PDML模型的性能:與Yamanishi提出的方法、RLSMDA、Lap RLS及Net CBP相比,除在核受體數據集中該方法在AUC上的性能比Lap RLS略有降低之外,模型在敏感性、特異性、AUC和AUPR上的性能均優(yōu)于其他四種方法;提取前5個預測分值最高的藥物-靶標對,這些藥物-靶標對能通過檢索Drug Bank、Super Target和KEGG數據庫而得到驗證。
[Abstract]:The drug target association were studied. The proposed method for performance prediction of PDML. weak labeling and multi information fusion of drug target interaction based on PDML model retrieval validation by comparison with other methods and database: RLSMDA method, proposed by Yamanishi, RLS and Net compared to Lap CBP, in addition to performance in the data set of nuclear receptors methods on the AUC is slightly lower than the Lap model in RLS, sensitivity, specificity, AUC and AUPR on the properties are better than the other four methods; extracting the former 5 prediction score the highest drug target of these drug target pairs by searching Drug Bank, Super Target and KEGG database is verified.

【作者單位】： 長沙醫(yī)學院信息工程學院;長沙醫(yī)學院藥學院;
【基金】：湖南省教育廳優(yōu)秀青年項目(No.14B023);湖南省教育廳一般項目(No.13C1108,No.14C0115)
【分類號】：R96;TP181
【正文快照】： 1引言藥物靶標是指與疾病的發(fā)生有因果關系或者參與疾病的發(fā)展過程,并通過藥物對其進行調節(jié)而實現治療目的的生物分子[1]。網絡藥理學技術[2]為尋找藥物靶標提供了全新的手段,其研究結果認為:具有多藥理性的藥物可能與多個靶標發(fā)生低親和力相互作用,從而可能使得該藥物對各靶

【參考文獻】

相關期刊論文 前1條

1 郭彥伸;郭宗儒;;多靶點藥物分子設計[J];藥學學報;2009年03期

【共引文獻】

相關期刊論文 前7條

1 吳萌;謝永麗;岑山;周金明;;多靶點藥物治療前列腺癌研究進展[J];中國醫(yī)藥生物技術;2016年06期

2 彭利紅;劉海燕;任日麗;馬俊;王建芬;;基于多標記學習預測藥物-靶標相互作用[J];計算機工程與應用;2017年15期

3 李凱;李愛秀;靳玉瑞;羅力;;天然產物來源的抗HIV-1多靶點抑制劑研究進展[J];中草藥;2015年12期

4 李亞英;李燕;付新梅;何浩然;王景輝;;系統(tǒng)藥理學法研究“上火”與氧化應激之間的關系[J];分子科學學報;2015年02期

5 沈坤;陳云;匡雨瓊;李飛;;nNOS-PSD-95解耦聯劑和加巴噴丁、普瑞巴林孿藥的設計合成[J];南京醫(yī)科大學學報(自然科學版);2014年10期

6 展鵬;李瀟;康東偉;劉新泳;;抗艾滋病藥物設計新策略:多靶點及多價態(tài)結合配體[J];中國藥物化學雜志;2013年05期

7 楊照;方正;王志祥;韋萍;;Sorafenib硫脲衍生物的合成及活性研究[J];藥學學報;2011年09期

，

本文編號：1402859