發(fā)布時間：2023-01-12 16:36

　　提出了一種基于局部全局一致性（LLGC）學習的藥物-靶標相互作用預測模型。該模型基于鄰近結點及流形結構或聚類中的結點更有可能有相同標簽這一結論,綜合考慮靶標和藥物數(shù)據(jù)的全局和局部特征,融合靶標的序列相似性和藥物-靶標網絡的拓撲結構信息,提出藥物-靶標相互作用預測方法,挖掘來自標準數(shù)據(jù)集中的藥物-靶標相互作用數(shù)據(jù)。為了分析局部全局一致性方法的性能,在酶、離子通道、GPCR與核受體4個數(shù)據(jù)集中對此方法與SBGI、KBMF2K、NetCBP和WNN-GIP進行了比較,實驗結果表明,除了在核受體數(shù)據(jù)中LLGC的AUC值比NetCBP和WNN-GIP中的略低外,在其他3個數(shù)據(jù)中,LLGC的性能都優(yōu)于其他方法。確定模型性能后,將其用于藥物-靶標相互作用數(shù)據(jù)預測,給出了得分最高的5個藥物-靶標相互作用數(shù)據(jù),且得知標準數(shù)據(jù)集中已知的藥物-靶標相互作用數(shù)據(jù)絕大部分出現(xiàn)在預測集的前20%中,91%以上出現(xiàn)在預測集的前50%中。這個結果表明,LLGC能有效預測藥物與靶標之間的潛在關聯(lián)。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 研究背景
2 數(shù)據(jù)和模型
    2.1 數(shù)據(jù)
    2.2 模型
3 實驗結果和討論
    3.1 與其他方法分析比較
    3.2 預測藥物-靶標相互作用
4 結語



本文編號：3730146