基于深度学习的PLK1PBD活性预测

• 作者: 史新宇 田生伟 禹龙 高双印
• 来源期刊: 计算机应用研究
• 关键词: 活性 深度信念网络 预测 评估
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 94-97
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.01.019

摘要

为了提高抗癌药物的发现效率并降低研发成本，针对基于PLK1此类结构和功能均高度保守的丝氨酸／苏氨酸蛋白激酶在多种肿瘤类型中高表达的特点，提出以PLK1 PBD为靶点的深度信念网络（deep believe network，DBN）抗癌活性研究方法。利用深度学习思想，对20000个化合物的抗癌活性进行分析，并分别与ANN、SVM方法进行对比验证。实验结果表明，在同等条件下，DBN网络针对抗癌药物活性研究具有突出的优势，其平均预测活性的精确度可达91．05％，明显高于ANN和SVM，从而实现了对化合物抗癌活性的良好评估。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	禹龙	新疆大学网络中心	82	301	9.0	13.0
2	田生伟	新疆大学软件学院	101	343	9.0	13.0
3	高双印	新疆大学软件学院	3	8	2.0	2.0
4	史新宇	新疆大学软件学院	3	4	2.0	2.0