基于XG-B00ST和多数据源的药物重定位预测

• 作者: 李苗苗
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 药物重定位 XG-BOOST模型 预测精度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 110-113
• 页数: 4页
• 分类号: TP301
• 字数: 4711字
• 语种: 中文
• DOI: 10.11907/rjdk.191526

摘要

新药物研发时间长、成本高,但成功率低,为了提高收益比,药物重定位即旧药新用受到了广泛关注.从临床和实验角度鉴定药物的新用途需要耗费大量人力和物力,从计算角度预测药物新用途成为研究热点;并且,随着药物和疾病相关的大量多层次组学数据积累,通过挖掘药物相关数据鉴定药物新用途成为可能.重点挖掘药物化学结构、药理性质、药物靶蛋白功能、疾病表型等数据得到相应特征,并将这些药物疾病特征进行整合,再将特征输入XG-BOOST模型进行预测.实验结果表明,该方法准确率达87.9％,较逻辑回归、随机森林具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李苗苗	上海理工大学管理学院	2	0	0.0	0.0