DeepDDI笔记

最新推荐文章于 2024-02-21 14:13:14 发布
最新推荐文章于 2024-02-21 14:13:14 发布
阅读量697 收藏 2
点赞数
分类专栏： 药物互作 文章标签： 药物互作
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/weixin_42324904/article/details/124428376
版权

DeepDDI不得不吐槽一下这篇论文排版实在是太难看了，所以我一直都没看，发现这里面有很多是我以前没有注意到的东西，说来也是我自己太菜了，搞DDI肯定是要针对数据集设计模型的，我每次都看模型怎么样，居然都没有重视到数据集的问题，太不应该了。

模型具体细节不必过于关注，是18年的老论文了，数据集倒是很少有描述得这么详细的，因为后面可能直接都是这样用的。

上图是附录里的部分

DrugBank里有192303个DDI，共99类， 类似于这种，在这99种DDI类型里，超过5个实例的有86种，所以就拿着86种来作为数据集，超过5(3：1：1）

 一共有191878个药物对，192303个DDI，说明存在少部分药物对具有多种DDI，文中指出406个药物对存在多种DDI，大多数药物对是只有一种DDI关系的。192284个DDI只有一种关系,所以直接把192284个DDI作为标准数据及了.

未空blog
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
通过深度学习增强药药反应和药食反应的预测效果
Deep Dropout
04-24 1948
通过深度学习增强药药反应和药食反应的预测效果 通过深度学习增强药药反应和药食反应的预测效果 前言 背景 方法与实验 优点 缺点 相关的工作 结果 应用场景 讨论 我的想法 前言 还是不要不务正业了，重新回到DDI的怀抱之中。（笑） 这篇是PNAS（美国科学院）的论文，还是有点分量的……虽然我觉得有点水 本篇文章主要讲的是基于深度学习的药物副作用与药物宇食物的作用的预测...
AI医药论文笔记--Deep learning improves prediction of drug–drug and drug–food interactions
xiao_muyu的博客
12-19 1431
深度学习用于提高对药物-药物相互作用和药物-食物相互作用的预测 论文题目 Deep learning improves prediction of drug–drug and drug–food interactions 论文出自 PNAS,2018 一、研究背景？ 之前方法：基于结构和其他相似性或药物靶标关联的方法开发了各种计算方法。 局限性：可以预测成对给定药物之间相互作用的概率，但没有在药理作用方面对 DDI 提供具体描述。 DeepDDI模型 输入：药物-药物或药物-食品成分对的
生物信息学|药物-药物相互作用的深层预测模型
ShenggengLin的博客
12-09 4398
本篇推文引自：DPDDI: a deep predictor for drug-drug interactions 1. 摘要     在本工作中，我们提出了一种新的方法(即DPDDI)，利用图卷积网络(GCN)和深度神经网络(DNN)模型作为预测器，从DDI网络中提取药物的网络结构特征，从而预测DDIs。GCN通过获取DDI网络中药物的拓扑关系来学习药物的低维特征表示。DNN预测器将任意两种药物的潜在特征向量串联起来作为对应药物对的特征向量，训练一个DNN，用于预测潜在的药物-药物相互作用。实验结果表明，
DeepID算法实践
热门推荐
雨石
05-08 2万+
目前人脸验证算法可以说是DeepID最强，本文使用theano对DeepID进行实现。当然DeepID最强指的是DeepID和联合贝叶斯两个算法，本文中只实现了DeepID神经网络，并用它作为特征提取器来应用在其他任务上。本文所用到的代码工程在github上可以找到，链接为https://github.com/stdcoutzyx/DeepID_FaceClassify
DeepDrug：一个用于DDI和DTI预测的GNN框架
最新发布
白景屹的博客
02-21 1066
DeepDrug
生物医学网络中的图嵌入：方法，应用和评估
edwinhaha的博客
01-01 2742
文章目录1、研究背景2、图嵌入方法概述3 图嵌入在生物医学网络中的应用3.1 链接预测3.2 节点分类1）蛋白质功能预测2）医学术语语义类型分类3.3 总结4、实验4.1 Datasets4.1.1 链接预测4.1.2 节点分类预测4.2 实验设置4.3 链接预测结果4.4节点分类结果4.5 超参数的影响4.6实验结果总结5 讨论和未来方向6 总结 本文在https://zhuanlan.zhih...
java超强笔记
12-03
java超强笔记。涵盖java详细信息，适合初学者阅读，从安装到软件设计，涉及全面，阅读方便。
华为学习笔记
03-28
华为学习笔记，
C++学习笔记本
05-14
C++学习笔记C++学习笔记C++学习笔记C++学习笔记C++学习笔记
Spring Boot笔记
07-31
Spring Boot笔记
DeepDTA_Deep Drug-Target Binding Affinity Prediction2018.pdf
03-20
DTI预测领域的高被引lw，发表于2018年. Abstract Motivation 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 have focused on binary classification, where the goal is to determine whether a DT pair interacts or not. However, protein–ligand interactions assume a continuum of binding strength values, also called binding affinity and predicting this value still remains a challenge. The increase in the affinity data available in DT knowledge-bases allows the use of advanced learning techniques such as deep learning architectures in the prediction of binding affinities. In this study, we propose a deep-learning based model that uses only sequence information of both targets and drugs to predict DT interaction binding affinities. The few studies that focus on DT binding affinity prediction use either 3D structures of protein–ligand complexes or 2D features of compounds. One novel approach used in this work is the modeling of protein sequences and compound 1D representations with convolutional neural networks (CNNs).
笔记笔记笔记笔记笔记笔记
02-08
笔记
AI医药方向论文总结（包含DDI和DDS，重点分析药物联合预测）
xiao_muyu的博客
12-08 5398
文章目录现有的DDI预测方法？1 similarity-based：（**假设化学结构相似的药物具有相似的DDI**）2 graph-based：3 其他方法：一些关于DDS的论文？AI医药方向的综述？ （提醒：本文模型图只是放了缩略图让大家了解个大概，建议还是看原论文中的模型图。） 现有的DDI预测方法？ DDI预测方法主要分为两类：基于药物结构特征相似性的方法和基于图的方法。 1 similarity-based：（假设化学结构相似的药物具有相似的DDI） **DeepDDI模型 Deep lear
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
DrugAI
08-13 3393
今天给大家介绍的是湖南大学信息科学与工程学院全哲教授课题组在IJCAI 2020会议上发表的一篇关于知识图神经网络预测药物与药物相互作用的文章。在本文中，作者提出了一个称为知识图神经网络（KGNN）的端到端框架，以预测药物与药物相互作用（DDI）。KGNN框架可通过在知识图谱（KG）中挖掘与药物关联的实体关系，以有效地获取药物及其潜在的邻居实体信息。为了提取KG中存在的高阶拓扑结构和语义关系，KGNN从KG中每个实体的邻域中学习作为它们的局部感知域，然后将当前实体表示的偏差及其邻域信息进行聚合。这...
哈佛CASTER | 基于化学子结构表征预测药物相互作用
DrugAI
11-28 1774
作者 | 陈雨洁指导 | 曾湘祥教授单位| 湖南大学研究方向 | 药物相互作用研究背景药物相互作用(DDI)是指病人在同时服用两种或两种以上的药物时，一种药物的药效受到另一种药物、食物...
Bioinformatics | 预测药物相互作用的多模式深度学习框架
DrugAI
05-30 2726
作者 | 陈雨洁审稿 | 罗潇澧今天给大家介绍华中农业大学信息学院章文教授课题组发表在Bioinformatics的一篇文章“ A multimodal deep learning fr...
论文阅读：DeepDDG：使用神经网络预测蛋白质点突变的稳定性变化
weixin_46713695的博客
11-02 577
使用神经网络预测蛋白质点突变的稳定性变化
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 3085
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.
DrugBank模型数据集比较
weixin_42324904的博客
05-05 1046
https://www.pnas.org/doi/full/10.1073/pnas.1803294115 点开链接往下拉，数据集都是excel文件，还有一个是数据集的说明，我主要是想看这个 DrugBank数据集中有19万2303跳DDI数据，被分成了99中句子结构，每一种被描述成具体的DDI。 在这99一般句子结构中，有86种通用句子结构被拿来实验了，因为86种句子结构最起码和5个药物对相关。 因为这样的话，可以将数据分成训练集，验证集和测试集来进行训练。 结果是：86种DDI类型，19187
vscode 笔记本
09-10
对于VSCode作为一个轻量级的代码编辑器，它确实可以用作笔记本来记录和管理你的笔记。VSCode提供了一些有用的功能，使其成为一个很好的笔记本工具： 1. 编辑器功能：VSCode具有强大的代码编辑功能，包括语法高亮、自动完成、代码片段等。这些功能可以帮助你更方便地编写和组织笔记内容。 2. 扩展支持：VSCode支持丰富的扩展生态系统，你可以根据自己的需求安装一些与笔记相关的扩展。例如，你可以使用Markdown扩展来编辑和预览Markdown格式的笔记。 3. 侧边栏和标签页：VSCode的侧边栏可以让你方便地管理笔记文件夹和文件。你可以使用标签页来同时打开多个笔记，快速切换编辑内容。 4. 版本控制：VSCode集成了Git版本控制系统，你可以使用版本控制来管理和追踪笔记的修改历史。 5. 快捷键和命令：VSCode提供了丰富的快捷键和命令，使得操作更加高效。你可以通过自定义快捷键来优化你的笔记本体验。 总之，尽管VSCode主要是面向代码开发的，但它的灵活性和扩展性使其成为一个不错的笔记本工具。你可以根据自己的需求和喜好，使用VSCode来管理和编辑你的笔记。

“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
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