药物药物相互作用
文章平均质量分 93
ShenggengLin
这个作者很懒,什么都没留下…
展开
-
生物信息学|新颖的深度学习模型,更准确地预测药物-药物相互作用
本篇推文引自:Novel deep learning model for more accurate prediction of drug-drug interaction effects1. 摘要 背景:准确地预测药物-药物相互作用(DDIs)的影响对于更安全更有效的药物联合处方很重要。许多预测DDIs效应的计算方法已经被提出,目的是减少在体内或体外识别这些相互作用的难度,但预测性能仍有改进的空间。 结果:在本研究中,我们提出了一种新的深度学习模型来更准确地预测DDIs的效果。提出的模型原创 2021-03-25 13:22:09 · 2274 阅读 · 0 评论 -
生物信息学|基于多尺度特征融合的药物-药物相互作用预测
0. 摘要 动机:不良药物-药物相互作用(DDIs)是药物研究的重要内容,是药物发病和死亡的主要原因。因此,识别潜在的DDIs对于医生、患者和社会都是至关重要的。现有的传统机器学习模型严重依赖手工特征,缺乏泛化。近年来,深度学习方法能够自动从分子图或药物相关网络中学习药物特征,提高了计算模型预测未知ddi的能力。然而,以往的研究都是利用大量的标记数据,只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、通路等)之间的关系或拓扑信息,或者只考虑知识图谱(KG),而没有考虑药物分原创 2021-03-24 14:20:21 · 1959 阅读 · 3 评论 -
生物信息学|DeepPurpose:药物靶标相互作用预测的深度学习库
本篇推文引自:Novel deep learning model for more accurate prediction of drug-drug interaction effects1. 摘要 背景:准确地预测药物-药物相互作用(DDIs)的影响对于更安全更有效的药物联合处方很重要。许多预测DDIs效应的计算方法已经被提出,目的是减少在体内或体外识别这些相互作用的难度,但预测性能仍有改进的空间。 结果:在本研究中,我们提出了一种新的深度学习模型来更准确地预测DDIs的效果。提出的模型原创 2020-12-09 14:48:16 · 9390 阅读 · 0 评论 -
生物信息学|通过图卷积编码器和深度集解码器,基于药物结构预测药物药物相互作用
本篇推文引自:Structure-Based Drug-Drug Interaction Detection via Expressive Graph Convolutional Networks and Deep Sets1. 摘要 在这项工作中,我们提出了一种利用图卷积网络和深集(deep sets),基于分子结构的药物药物相互作用检测方法。与传统的GCN相比,我们提出了一个更具鉴别性的卷积层,在不丧失捕获复杂相互作用的能力的情况下实现置换不变预测(置换不变预测应该指的是,药物A与药物B的相互原创 2020-12-09 14:47:29 · 1819 阅读 · 0 评论