基于多标记学习预测药物-靶标相互作用

• 作者: 任日丽 刘海燕 彭利红 王建芬 马俊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 药物-靶标相互作用 多标记学习 多信息融合 药物-靶标相互作用网络 药物相似性
• 年，卷（期）: 2017,（15）
• 页码范围: 260-265
• 页数: 6页
• 分类号: TP39
• 字数: 5001字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1512-0242

摘要

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML.通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比,除在核受体数据集中该方法在AUC上的性能比LapRLS略有降低之外,模型在敏感性、特异性、AUC和AUPR上的性能均优于其他四种方法;提取前5个预测分值最高的药物-靶标对,这些药物-靶标对能通过检索DrugBank、SuperTarget和KEGG数据库而得到验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马俊	长沙医学院信息工程学院	27	45	5.0	6.0
2	刘海燕	长沙医学院信息工程学院	35	19	3.0	3.0
3	彭利红	长沙医学院信息工程学院	33	25	3.0	3.0
4	任日丽	长沙医学院信息工程学院	13	14	3.0	3.0
5	王建芬	长沙医学院药学院	38	113	7.0	9.0