北京白癜风哪个医院治白癜风好 http://m.39.net/pf/bdfyy/
今天给大家介绍ComputationalBiologyandChemistry期刊的一篇文章，“Predictionofdrug-targetinteractionbyintegratingdiverseheterogeneousinformationsourcewithmultiplekernellearningandclusteringmethods”。文章研究了给定了药物四种相似性矩阵(药物化学结构、药物副作用、药物疾病关系、药物ATC码)和靶点三种相似性矩阵(蛋白质序列、基因本体、蛋白质疾病关系)，通过多核学习分别对药物、靶点相似性矩阵进行整合，再通过对DDI、DTI、PPI网络进行聚类学习，将聚类学习的结果分别作用到药物、靶点相似性矩阵上，构成一个多信息图，最后对该图实行双随机游走算法得到一个概率矩阵。

1、研究背景

①预测潜在的DTI的方法大致可分为四类：基于配体的、基于靶点的、基于机器学习的、基于网络的。

②基于配体、靶点的方法是传统的方法，基于配体通常用机器方法将候选配体和已知的靶点的配体做比较。

③基于靶点的使用对接方法来做预测，但是有很多的靶点的3D结构不可获得，比如说GPCR(Gproteincoupledreceptors)。

④基于机器学习的将每个药物-靶点对看成正、负样本，然后使用SVMKNNRF来预测DTI，而这里的负样本是随机选择的，没有经过时间验证，因此负样本的含金量比较低，预测模型的准确度取决于不准确的负样本。

⑤基于网络的当合并多种多样的数据源，可以加强DTI的预测。然而，上面的的基于网络的方法仍旧处于有限的多种多样的数据源。

2、方法概述

图1.总模型图

该总模型是由五个步骤构成：

①生成药物四种相似性矩阵、靶点三种相似性矩阵(下面的括号里代表具体的相似性计算方法)。

药物：structure(sim



转载请注明地址:http://www.huangpihea.com/hphfb/7631.html