基于集成学习的离子通道药物靶点预测

• 作者: 李订芳 章文 谢倩倩
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 离子通道 随机森林 药物靶点 分类器 集成学习
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 177-180
• 页数: 4页
• 分类号: TP3-05
• 字数: 4214字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.4.035

摘要

新药研制成功的关键在于药物靶点的发现和准确定位.在已知的药物靶点中,离子通道蛋白是一类广受欢迎的靶点,它与免疫系统、心血管等疾病密切相关.对于靶点的发现,传统生物方法成本高、耗时久.因此,探讨了基于机器学习的离子通道蛋白药物靶点的挖掘,以加快药物靶点发现过程,节约经费.由于药物靶点相关序列的长度不一致,考虑了蛋白质序列编码的13种特征,它们能将不等长的蛋白质序列转化成等长序列.通过数值实验筛选能够较好地区分靶点和非靶点的特征子集,并采用集成学习的方法整合特征得到预测模型.通过与已有工作的比较表明,提出的集成模型能得到较高的准确率,具有很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李订芳	武汉大学数学与统计学院	36	421	12.0	20.0
2	章文	武汉大学深圳研究院	13	121	6.0	10.0
3	谢倩倩	武汉大学数学与统计学院	8	26	3.0	4.0