基于藥物相似性特性預(yù)測有效藥物組合.pdf_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、采用多靶標(biāo)的策略治療如癌癥、艾滋等復(fù)雜疾病已經(jīng)成為一種趨勢。對(duì)于現(xiàn)已有的藥物組合多是臨床經(jīng)驗(yàn)習(xí)得,其分子機(jī)制不明晰,設(shè)計(jì)新的藥物組合困難重重。
  在此,我們提出了一種新的預(yù)測有效藥物組合的研究方法。該方法融合了藥物生物學(xué)(靶蛋白、疾病通路)、化學(xué)(二維結(jié)構(gòu)、化合物相互作用可能性)及藥理學(xué)(藥物療效)等方面的信息,描述藥物組合的特征。我們通過對(duì)藥物相關(guān)數(shù)據(jù)的完整性篩選,最終選定352對(duì)藥物組合作為我們建立藥物組合預(yù)測模型的研究對(duì)象

2、。我們?yōu)槊繉?duì)藥物組合構(gòu)建了732維的特征向量以描述其屬性。但這些特征中可能存在冗余信息,因此,我們采用最小冗余最大相關(guān)算法選出對(duì)樣本分類貢獻(xiàn)大、最有影響的特征。
  經(jīng)過特征篩選后的訓(xùn)練集樣本將作為模型的輸入建立藥物組合預(yù)測模型。本研究中,我們分別采用了三種不同的機(jī)器學(xué)習(xí)方法建立藥物組合預(yù)測模型。此外,我們還構(gòu)建了基于基學(xué)習(xí)和相似性矩陣的方法構(gòu)建模型。通過測試集對(duì)建立的模型進(jìn)行評(píng)價(jià)后發(fā)現(xiàn),基于隨機(jī)梯度提升的方法建模效果最好。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論