![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文翻译
雨y飘零久
I want to be a programmer rather than coder.
展开
-
「论文翻译」Predicting gene-disease associations via graph embedding and graph convolutional networks
BIBM 2019(B类)文章目录Abstract1. Introduction2. MethodsA. DatasetsB. Graph RepresentationC. Graph Convolutional NetworkD. Decoding and TrainingE. Cluster LossF. Dropout of Adjacent MatrixG. Gene Priorit...原创 2020-01-13 20:14:28 · 1173 阅读 · 3 评论 -
「论文翻译」NeoDTI: neural integration of neighbor information from a HeteroN for discovering new DTIs
在计算机上准确预测药物-靶标相互作用(DTI)可以指导药物发现过程,从而促进药物开发。 采用系统生物学观点的DTI预测计算方法通常采用以下原理:药物和靶标的特性可以通过其在生物网络中的功能角色来表征。原创 2020-01-12 21:28:47 · 1809 阅读 · 3 评论 -
「论文翻译」Predicting Drug-Target Interactions Using Weisfeiler-Lehman Neural Network
IEEE EMBS International Conference on Biomedical & Health Informatics ICBHI 2019(应该是B类)文章目录AbstractIntroductionSimilarity IndicesPrediction MethodologyA. Problem StatementB. BG-WLNM WorkflowEx...原创 2020-01-10 09:08:19 · 1024 阅读 · 0 评论 -
「论文翻译」Graph convolutional networks for computational drug development and discovery
尽管在过去十年中深度学习在各个领域都取得了令人瞩目的成功,但其在分子信息学和药物发现中的应用仍然受到限制。在深层架构适应结构化数据方面的最新进展为药物研究开辟了新的范例。在这项调查中,我们对图卷积网络的领域以及图卷积网络在药物发现和分子信息学中的应用进行了系统的综述。通常,我们对图卷积网络为何以及如何可以帮助完成与药物有关的任务感兴趣。我们通过四个角度阐述了现有的应用:分子性质和活性预测,相互作用预测,合成预测和de novo药物设计。我们简要介绍图卷积网络背后的理论基础,并说明基于不同公式的各种体系结构。原创 2020-01-08 10:07:01 · 1867 阅读 · 0 评论 -
「论文翻译」ML for integrating data in biology and medicine: Principles, practice, and opportunities
Information Fusion 2019文章目录Abstract1. IntroductionAbstract新技术使人们能够以前所未有的规模和多个维度研究生物学和人类健康。 这些维度包括描述基因组,表观基因组,转录组,微生物组,表型和生活方式的众多属性。但是,没有任何一种数据类型可以捕获与了解某种现象(例如疾病)相关的所有因素的复杂性。 因此,结合了多种技术的数据的集成方法已成为...原创 2020-01-04 17:15:37 · 776 阅读 · 0 评论 -
「论文翻译」Predicting potential DDI by integrating chemical, biological, phenotypic and network data
BMC bioinformatics 2017(C类)文章目录AbstractBackgroundMethodsDatasetsResults and discussionEvaluation metricsPerformances of different models based on multi-source dataPerformances of ensemble modelsAb...原创 2019-12-26 16:18:27 · 573 阅读 · 0 评论 -
「论文翻译」Poster: Knowledge Graph Completion to Predict Polypharmacy Side Effects
多药副作用预测问题考虑了单独服用两种药物不会导致特定副作用的情况; 但是,当两种药物联合使用时,会出现副作用。在这项工作中,我们证明了多关系知识图完成在多药副作用预测问题上达到了最新的结果。实验结果表明,当药物的蛋白质靶标被很好地表征时,我们的方法特别有效。与以前的工作相比,我们的方法为==湿实验室==验证提供了更多可解释的预测和假设。原创 2019-12-23 15:46:54 · 471 阅读 · 1 评论 -
「论文翻译」Tri-graph Information Propagation for Polypharmacy Side Effect Prediction
NeurlPS 2019(A类)文章目录AbstractIntroductionAbstract药物组合的使用通常会导致多药副作用(POSE)。最近的一种方法将POSE预测公式化为药物和蛋白质图上的链接预测问题,并使用图卷积网络(GCN)对其进行求解。但是,由于POSE中复杂的关系,该方法具有很高的计算成本和内存需求。 本文提出了一种灵活的三图信息传播(TIP)模型,该模型在三个子图上运...原创 2019-12-10 16:56:09 · 684 阅读 · 0 评论 -
「论文翻译」Performance Study of Graph Convolutional Networks for Medical Prediction-Based Networks
文章目录AbstractNomenclature(专业术语)1. Introduction1.1 Current Methods of ML for Polypharmacy1.2 Deep Neural NetworksAbstract预测多药的效果是一项艰巨的任务,每年花费大量金钱来弥补多药带来的负面药物相互作用的影响。 但是,与传统方法相比,机器学习可用于给出更准确的预测。 在本文中,我...原创 2019-12-09 10:07:52 · 328 阅读 · 0 评论 -
「论文翻译」Modeling polypharmacy side effects with graph convolutional networks
文章目录3 Data-driven motivation for Decagon approach3 Data-driven motivation for Decagon approach第三,我们探讨了药物对靶向的蛋白质与副作用发生之间的关系。令TiT_{i}Ti代表与药物i相关的一组靶蛋白,然后我们计算给定药物对(i,j)的靶蛋白之间的Jaccard相似性。我们观察到以下几点:药物组...原创 2019-11-04 19:10:22 · 2296 阅读 · 1 评论