基于流形正则化非负矩阵分解预测药物-靶蛋白作用关系

论文摘要

识别药物-靶蛋白作用关系是当前药物研究的重要内容,其可帮助识别已有药物的新功能,发现药物的"偏靶蛋白"等。现有预测算法对新药物的作用靶蛋白,及新靶蛋白的作用药物预测存在困难,由此提出一种新奇的基于流形正则化非负矩阵分解的新药物/新靶蛋白作用关系预测算法,该方法首先通过聚类算法构建新药物/新靶蛋白的初始作用标签,然后设计引入流形学习正则化约束的非负矩阵分解算法预测药物-靶蛋白作用关系,最后在四个经典数据集中测试,并与最新预测算法BLM-NII、RLS-WNN和WKNKN+WGRMF算法进行比较,证明本文算法可获取较高的预测精度。

论文目录

• 1 数据来源
• 2 药物/靶蛋白相似性矩阵构建及调整
• 3 融合聚类社团结果的流形正则化非负矩阵分解算法MRNMFC-DT
•   3.1 新药物/新靶蛋白初始标签构建
•   3.2 流形正则化非负矩阵分解算法
•   3.3 相似性矩阵稀疏化
•   3.4 优化求解过程
• 4 实验结果及讨论
• 5 结论

文章来源

类型: 期刊论文

作者: 闫效莺,吴莹,李润洲

关键词: 药物,靶蛋白,聚类,流形学习正则化,非负矩阵分解

来源: 科学技术与工程 2019年33期

年度: 2019

分类: 工程科技Ⅱ辑,医药卫生科技,信息科技

专业: 药学,自动化技术

单位: 西安石油大学计算机学院,西北工业大学自动化学院

基金: 国家自然科学基金项目(51707158),陕西省教育厅项目(17JK0603),西安石油大学博士科研启动基金(134890003)资助

分类号: TP181;R96

页码: 325-329

总页数: 5

文件大小: 176K

下载量: 63