标签：mining computational target DDR DTI DTIs 相似 方法 预测

DDR: efficient computational method to predict drug–target interactions using graph mining and machine learning approaches  

DDR:利用图挖掘和机器学习方法 预测药物-靶点相互作用 的有效计算方法

通过计算找到药物靶点相互作用(DTIs)是一种方便的方法，可以以较低的成本和合理的准确性识别新的DTIs。
然而，现有的DTI预测方法存在假阳性预测率高的问题。
结果:

我们开发了DDR，一种提高DTI预测精度的新方法。
DDR是基于异构图的使用，该图包含药物之间和目标蛋白之间多个相似点的已知DTIs。DDR采用非线性相似度融合方法对不同的相似度进行融合。在融合之前，DDR执行预处理步骤，在启发式过程中选择相似度子集，以获得最优的相似度组合。
然后，DDR应用随机森林模型，该模型使用从DTI异构图中提取的不同基于图的特征。
使用5-repeats 10倍交叉验证,三个测试设置和precision-recall曲线下的面积的加权平均(AUPR)分数,我们表明,DDR显著减少AUPR评分误差相对于下一个最佳start-of-the-art方法预测当药物新dti 31%, 23%当目标是新的和34%的药物和它们之间的目标已知但并不是所有的唯一还不为人知。
通过独立的证据来源，我们验证了前25个DDR新预测中的22个是正确的。
这表明DDR可以作为一种识别正确DTIs的有效方法

标签：mining,computational,target,DDR,DTI,DTIs,相似,方法,预测
来源： https://blog.csdn.net/u010608296/article/details/113857670

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。