排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于回归模型的网络排序算法预测药物靶点关系 总被引：1，自引：1，他引：0
计算方法预测新的药物靶点关系是新药研发的主要途径,基于相似药物较容易与相似靶蛋白绑定的假定和标签传播的框架,提出一种基于脊回归模型的网络排序计算方法挖掘潜在的药物靶点作用关系;并对四个数据集分别进行30次10—CV预测分析。结果表明,与现有网络算法DBSI、TBSI和NBI相比,该预测算法能得到较高的ROC曲线面积,具有较好的应用前景。 相似文献
2.
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。 相似文献
1