Drug-Target Interaction 预测中的几个数据库

最新推荐文章于 2024-05-27 18:54:05 发布
最新推荐文章于 2024-05-27 18:54:05 发布
阅读量4.6k 收藏 15
点赞数 1
分类专栏： Drug-Target Interaction 文章标签： Drug-Target Interact
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dahaiyudong/article/details/74625754
版权
自从 Yamanishi Y et. al. 发表论文 Yamanishi Y, Araki M A, Honda W, et al. Prediction of drug-target interaction networks from the integration of chemical and genomic spaces[J]. Bioinformatics, 2008, 24(13):i232-i240. 以来，很多论文都基于其发表的四个药靶相互作用数据集（Nuclear Receptor, GPCR, Ion Channel, Enzyme），在其提供的数据里面，有两个是 ID ，其中一类形如 D00371，是 KEGG 中的 Drug ID, 另一类形如 hsa134, 是 KEGG GENES Database ID,


Fig.1 D00371

最低0.47元/天 解锁文章
Y-hit
关注
  • 1
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
【图神经网络GNN & 药物----靶点预测】DTI-HETA：基于GCN和GAT在异构图上预测药物-靶点相互作用
追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光
03-03 1115
本次阅读的文献，依然是关于图神经网络方面，应用于医学中药物——靶点相互作用的预测。该文献是2022年上半年发表在《生物信息学简报》的一篇文章。
Prediction of drug-target interaction by label propagation with mutual interaction informationderived from heterogeneous network
02-11
Prediction of drug-target interaction by label propagation with mutual interaction informationderived from heterogeneous network
AI医药论文笔记--MUFFIN: multi-scale feature fusion for drug–drug interaction prediction
xiao_muyu的博客
01-25 3136
MUFFIN:多尺度特征融合预测药物-药物相互作用 论文题目 MUFFIN: multi-scale feature fusion for drug–drug interaction prediction 论文出自 Bioinformatics, 2021, 1–8 一、研究现状？ 以往的研究利用大量的标记数据，仅仅考虑药物的结构或序列信息，而没有考虑药物与其他生物医学对象(如基因、疾病、通路)之间的关系或拓扑信息，或仅考虑知识图(KG)而不考虑药物分子结构信息。 二、MUFFIN模型？
DrugBank数据库的功能与使用
最新发布
Yiyaoshujuku的博客
05-27 975
随后的版本不断增加新的药物、靶点和数据类型，如撤回药物、非法药物、食物-药物和药物-药物相互作用以及ADMET参数等。DrugBank的数据发布频率为每两年一次，期间每月进行修正和更新，确保了数据库的时效性和准确性，不仅为研究人员提供了宝贵的信息，也为公众提供了药物知识的获取途径，是计算机药物发现和探索的重要工具。4. 点击药物条目后，页面会展示该药物的详细信息，包括药物作用的靶点名称、分类、结构和相关的生物途径等信息。5. 你还可以查看药物-药物相互作用的信息，以及药物靶点的详细描述和相关数据。
AI医药论文解读--Drug-drug Interaction Prediction with Graph Representation Learning
xiao_muyu的博客
12-09 1064
基于图表示学习的药物相互作用预测 论文题目 Drug-drug Interaction Prediction with Graph Representation Learning 论文出自 BIBM 2019 文章目录基于图表示学习的药物相互作用预测一、现有DDI预测方法的不足之处？二、模型？三、各模块详细介绍？3.1 GCN3.2 Drug-drug Interaction Prediction四、实验结果？五、思考？ 一、现有DDI预测方法的不足之处？ 可扩展性：依赖于不同的药物相
关于drug-target interaction
白景屹的博客
09-27 1264
对于药物靶标预测（drug-target interaction），上面两个任务都能节约时间成本，促进药物发现。深度学习在药物再利用和虚拟筛选方面表现出强大的性能。这两个任务都依赖于一项基本任务的准确和快速预测：药物-靶标相互作用预测。。给定一个强大的 DTI 模型，它能够泛化一个新的看不见的数据集，然后我们可以扩展到药物再利用和筛选（repurposing or screening）。
分享一个药物预测网站DesigN
weixin_46500027的博客
03-04 1106
DesigN网站的参考文献来自一下链接：DeSigN: connecting gene expression with therapeutics for drug repurposing and development - PubMed 该网站链接如下：DeSigN - Cancer Research Malaysia DeSigN 是一种稳健的方法，可用于使用从基因表达分析中获得的输入基因特征来识别候选药物。这个用户友好的平台可用于识别对感兴趣的癌细胞系具有意想不到的功效的药物，因此可用于药物的再利用
DeepDTA_Deep Drug-Target Binding Affinity Prediction2018.pdf
03-20
The identification of novel drug–target (DT) interactions is a substantial part of the drug discovery process. Most of the computational methods that have been proposed to predict DT interactions ...
Experimental Study on UV Laser-target Interaction
02-25
In this paper, the experimental study on the UV laser interaction with LY12 aluminum/optical glass K9 by using a 10 J, 40 ns XeCl excimer laser is described. The laser induced impulse coupling to ...
Experimental study of needle-tissue interaction forces.pdf
07-08
Experimental study of needle-tissue interaction forces: effect of needle geometries, insertion methods and tissue characteristics. it used to study the needle insertion force and the influence of ...
《Human-Computer Interaction》
04-11
Alan Dix：《Human-Computer Interaction》，Pearson，2014.
论文解读：KGNN: Knowledge Graph Neural Network for Drug-Drug Interaction Prediction
mysky54的博客
04-01 2970
一、背景 药物间的相互作用(DDI)是指同时或先后服用两种或两种以上药物时，药物之间所产生的相互作用，而该相互作用可能会导致意想不到的副作用。 总结归纳现有DDI预测方法，大致可分为两大类。一类是分子表示，主要聚焦于药物分子的特征学习。这类方法都基于同样的假设：即具有相似嵌入表示的药物分子将会表现出相似的DDI。 另一类常用的DDI预测方法是基于网络嵌入的方法，通过构建各种与药物有关的生物网络，在这个网络中，将药物看作网络中的节点，通过学习节点的嵌入表示来预测潜在的边，即DDI的关系。构建映射关系网络也有多
基于知识图谱和推荐系统的统一药物靶点相互作用预测框架
发呆的比目鱼的博客
11-26 3096
本文介绍一篇来自浙江大学侯廷军教授课题组、中南大学曹东升教授课题组、浙江大学贺诗波教授课题组和腾讯量子实验室联合发表在Nature Communications的一篇文章。 基于知识图谱和推荐系统的统一药物靶点相互作用预测框架 药物靶点相互作用 (DTI) 的预测在各个领域的药物开发中起着至关重要的作用，例如虚拟筛选、药物再利用和潜在药物副作用的识别。 目前DTI 预测问题：（1）DTI 数据集的高度稀疏性（2）冷启动问题 本文结合了知识图谱 (KG) 和推荐系统开发了 KGE_NFM，一个统一的 DTI.
Graph Convolutional Neural Networks for Predicting Drug-Target Interactions
wangprince2017
02-22 955
1. 摘要 2. 数据集 DUDE数据集改进 DUDE-chemBl负样本数据集 最大无偏数据集（MUV） 3. 图构建 pocket graph molecuar graph 4. 口袋pretraining 使用autoencoder 4.1 阶段1 自编码 编码器 解码器 4.2 阶段二自编码 4.3 模型设计 实验结果 1. baseline 2. 数据可视化 3.测试模型是否有学习到口袋信息 4...
MolTrans: Molecular Interaction Transformer for drug–target interaction prediction
qq_45069496的博客
04-13 866
随着大量生物医学数据和知识的收集与利用以及在许多应用领域取得巨大成功的深度学习技术的进步，药物发现过程，特别是DTI预测得到了显著增强。最近，各种深度模型在DTI预测中显示出令人鼓舞的表现。它们通常将药物和蛋白质数据作为输入，将DTI视为一个分类问题，并通过深度学习模型对输入进行预测。尽管做出了这些努力，一下挑战仍然存在：为了解决这些挑战，我们提出了一种基于 transformer 的生物启发分子数据表征方法（MolTrans）来利用大量未标记数据进行 DTI 预测。做出了以下贡献：知识启发的表征和交互建模
DTI-CDF:一种基于混合特征预测药物靶点相互作用的级联深层森林模型
ShenggengLin的博客
10-07 7404
1. 摘要     药物靶标相互作用(DTIs)在靶向药物的发现和开发中起着至关重要的作用。DTIs的计算预测可以有效地补充湿实验室技术对DTIs的识别。然而，现有的DTI预测方法存在精度低、假阳性率高的问题。本文提出了一种基于级联深度森林模型的预测方法，命名为DTI-CDF。在实验中，本文在三种不同的数据集实验设置下构建了5个重复的10倍交叉验证。实验结果表明，本文提出的DTI-CDF方法比传统的基于集成学习的方法如随机森林和XGBoost、深度神经网络以及最新的DDR方法取得了显著的性能提升。此外，有1
15个完全免费的化合物寻靶计算工具
人工智能讲师分享前沿技术
06-07 634
目标检测是计算机视觉任务的核心问题之一，其有效性在很大程度上取决于损失函数的定义。传统的目标检测损失函数依赖于边界框回归指标的聚合，例如预测框和真实框（即GIoU、CIoU、ICIoU等）的距离、重叠区域和纵横比。 然而，迄今为止提出和使用的方法都没有考虑到所需真实框与预测框之间不匹配的方向。这种不足导致收敛速度较慢且效率较低，因为预测框可能在训练过程中“四处游荡”并最终产生更差的模型。 在本文中，提出了一种新的损失函数SIoU，其中考虑到所需回归之间的向量角度，重新定义了惩罚指标。应用于传统的神...
药物数据库
weixin_34217773的博客
04-21 2485
参考文献： 基于因特网的常用化合物活性数据库简介 药物靶点数据库的应用进展_庞晓丛_刘艾林_杜冠华 1、Chembl数据库：  Chembl数据库是欧洲生物信息研究所（European Bioinformatics Institute，EBI）开发的一个在线的免费数据库，它通过从大量文献中收集各种靶点及化合物的生物活性数据，为药物化学家们提供了一个非常便利的查询靶点或化合物的生物活性数据的平台。目...
Nat. Commun | 基于网络的药物组合预测
DrugAI
09-01 3124
作者丨王建民单位丨超级计算长沙中心，湖南大学研究方向丨药物设计、生物医药大数据本期介绍2019年3月发表在Nature Communications的研究工作，该工作由哈佛医学院、东北大...
matlab fluid-solid interaction
08-23
Matlab可以用于进行流固耦合计算。流固耦合计算是将计算流体力学（CFD）和计算固体力学（CSM）相结合，用于计算固体在流体作用下的应力应变以及流体在固体变形影响下的流场变化 [1]。从耦合松紧程度来说，流固耦合计算可以分为强耦合和弱耦合。从数据流动方向来看，流固耦合可以分为单向耦合和双向耦合 [2]。在双向耦合中，流体计算传递压力给固体计算，而固体计算则将节点位移返回给流体程序以更新流场 。Matlab可以通过使用相应的工具箱或编写自定义代码来进行流固耦合计算。例如，Matlab中的PDE Toolbox和Fluid Flow Toolbox可以用于求解流体力学方程，而使用MATLAB的Structural Mechanics Toolbox可以求解固体力学方程。通过将这些工具箱和自定义代码结合起来，可以实现流固耦合计算。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [谈谈流固耦合计算](https://blog.csdn.net/weixin_39739234/article/details/116123658)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值