xiao_muyu的博客

原创 Java集合ArrayList-学习笔记

ArrayList

原创 Java数组-学习笔记

Java数组

原创 Java流程控制语句-学习笔记

Java流程控制语句

原创 Java方法-学习笔记

Java方法

原创 Java运算符和表达式-学习笔记

Java运算符和表达式

原创 Java基础语法-学习笔记

Java基础语法-学习笔记

原创 常用CMD命令

常用CMD命令

原创 AI医药论文阅读-使用药物描述和分子结构从文献中提取药物-药物相互作用

使用药物描述和分子结构从文献中提取药物-药物相互作用

原创 图自监督对比学习论文阅读笔记-An effective self-supervised framework for learning expressive molecular global repre

一种有效的自我监督框架，用于学习药物分子的全局表示以进行药物发现

原创 综述阅读笔记-生物网络分析与深度学习

生物网络分析与深度学习综述

原创 PPI论文阅读笔记-Struct2Graph: a graph attention network for structure based predictions of protein-protein

Struct2Graph：基于结构的蛋白质-蛋白质相互作用预测的图注意网络

原创 单细胞分类论文阅读笔记-Single-cell classification using graph convolutional networks

随着大量单细胞测序数据的可用性和越来越多的细胞类型的发现--》将细胞分类为已知细胞类型已成为重要任务--》现有：利用基因表达数据对细胞进行分类---》结合生物基因相互作用网络

原创 AI医药论文阅读笔记-Extracting Drug-drug Interactions with a Dependency-based Graph Convolution Neural Networ

基于依赖图的图卷积神经网络提取药物相互作用

原创 AI医药论文笔记-DREAM: Drug-drug interaction extraction with enhanced dependency graph and attention mechan

DREAM：增强依赖图和注意机制的药物相互作用提取

原创 circRNA疾病关联预测--GCNCDA: A new method for predicting circRNA-disease associations based on Graph Convo

GCNCDA：一种基于图卷积网络算法预测circRNA疾病关联的新方法

原创 AI医药论文笔记-MFDA: Multiview fusion based on dual-level attention for drug interaction prediction

MFDA：基于双层注意力的多视图融合药物相互作用预测添加了提供超越一阶拓扑关系的扩散视图和基于特征相似性构建的最近邻视图，以捕获更全面、更准确的 DDI 模式。此外，为了整合每个视图下的药物特征和网络结构，我们采用交叉融合策略将药物特征与每个视图下的药物相互作用网络深度融合。为了区分不同邻居和视图的重要性，MFDA采用双注意力机制（节点级和视图级）获得统一的药物嵌入，用于药物相互作用预测。

原创 AI医药论文笔记--Molecular Substructure-Aware Network for Drug-Drug Interaction Prediction

MSAN:用于药物相互作用预测的子结构感知网络作者是第一个在DDI预测任务中引入类似Transformer的模块来提取分子子结构模式。我们用一个简单而有效的相似性计算模块进一步模拟了分子间子结构相互作用。引入了一种新的基于子结构的数据增强方法。在图编码之前执行子结构丢弃增强，以减轻过度拟合。

原创 AI医药论文笔记--GraphDTA: Predicting drug–target binding affinity with graph neural networks

GraphDTA：用图神经网络预测药物-靶点结合亲和力论文题目GraphDTA: Predicting drug–target binding affinity with graph neural networks论文出自bioRxiv preprint，2020使用图神经网络来预测药物与靶标的亲和力。将药物表示为分子图，因此该模型可以直接捕获原子间的键。文章目录GraphDTA：用图神经网络预测药物-靶点结合亲和力一、**GraphDTA模型图：**二、实验结果？一、Gr

原创 AI医药论文笔记--SSI–DDI: substructure–substructure interactions for drug–drug interaction prediction

SSI-DDI:用于药物相互作用预测的亚结构-亚结构相互作用论文题目SSI–DDI: substructure–substructure interactions for drug–drug interaction prediction论文出自Briefings in Bioinformatics,00(0), 2021, 1–10 |文章目录SSI-DDI:用于药物相互作用预测的亚结构-亚结构相互作用一、研究问题设置？二、模型描述？三、算法描述？四、实验结

原创 AI医药论文笔记--MUFFIN: multi-scale feature fusion for drug–drug interaction prediction

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？

原创 AI医药论文笔记--Machine learning-based prediction of drug–drug interactions by integrating drug phenotypic

基于机器学习的药物-药物相互作用预测–通过整合药物表型、治疗、化学和基因组特性论文题目Machine learning-based prediction of drug–drug interactions by integrating drug phenotypic, therapeutic, chemical, and genomic properties论文出自JAMIA一、模型框架？提出了一个异构网络辅助推理（HNAI）框架来帮助预测 DDI。用于预测药物-药物相互

原创 AI医药论文笔记--Anti-cancer Drug Synergy Prediction in Understudied Tissues using Transfer Learning

使用迁移学习预测未被研究组织中的抗癌药物协同作用论文题目Anti-cancer Drug Synergy Prediction in Understudied Tissues using Transfer Learning论文出自bioRxiv preprint,2020.02文章目录使用迁移学习预测未被研究组织中的抗癌药物协同作用一、研究背景？二、模型框架？三、细节部分？四、实验结果？五、思考？一、研究背景？现在面临的关键的挑战是：体外药物反应在不同的癌症类型之间有很大的

原创 AI医药论文笔记--MDNN: A Multimodal Deep Neural Network for Predicting Drug-Drug Interaction Events

MDNN：预测药物相互作用的多模态深度神经网络论文题目MDNN: A Multimodal Deep Neural Network for Predicting Drug-Drug Interaction Events论文出自Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence (IJCAI-21)，2021文章目录MDNN：预测药物相互作用的多模态深度神经网

原创 AI医药论文笔记DeepDDS: deep graph neural network with attention mechanism to predict synergistic drug....

DeepDDS:具有注意机制的深度图神经网络预测协同用药文章目录DeepDDS:具有注意机制的深度图神经网络预测协同用药一、模型？二、具体方法？三、实验结果？一、模型？DeepDDS ：基于图卷积网络和注意力机制的深度学习模型，以识别能够有效抑制特定癌细胞生存能力的药物组合。步骤：通过多层感知 MLP获得癌细胞基因表达谱的特征嵌入。基于药物SMILES生成的药物分子图，通过GAT或GCN获得药物的特征嵌入。将药物和细胞株的嵌入向量连接送到多层全连接网络中，预测协同效应，实现药物组合的二

原创 GCN及其拓展GraphSage、MPNN、GAT

GCN详解公式：考虑将公式进行简化（忽略D），即为什么要引入 D~？因为不同的节点重要性不一样，因此我们应该引入一种类似于「注意力机制」的东西。具体来说，如果一个节点的「度」非常大，即与他相邻的节点非常多，那么它传递的消息，权重就应该小一点。总结：GraphSage在实际问题中，一张图可能节点非常多，因此就没有办法一次性计算整张图（消耗的内存大时间长），所以我们应该使用一种有效的采样算法，从全图 G 中采样出一个子图。GraphSAGE 主要分两步：采样、聚合采样：首先选取

原创 关于GCN的论文笔记--End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion

用于知识图谱完成的端到端结构感知卷积网络论文题目End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion论文出自arXiv,2018图结构感知卷积网络SACN： 由加权图卷积网络 (WGCN) 的编码器和 Conv-TransE 的卷积网络的解码器组成。权重卷积层WGCN ?利用知识图节点结构、节点属性和边关系类型。在聚合时对不同类型的关系进行不同的权重，并且在网络训练

原创 AI医药论文笔记--Deep learning improves prediction of drug–drug and drug–food interactions

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

原创 AI医药论文解读--Drug-Drug Adverse Effect Prediction with Graph Co-Attention

基于图形协同注意的药物不良反应预测论文题目Drug-Drug Adverse Effect Prediction with Graph Co-Attention论文出自arXiv,2019一、模型？提出了一种神经网络结构，通过利用Co-Attention机制，仅通过观察药物的化学结构来指示可能的副作用类型。两个任务：对于二元分类：输入是两种药物和一种副作用类型，需要二元决定药物x和y是否会产生副作用。对于多标签分类：输入是一对两种药物（dx，dy），需要964个同时的二

原创 web移动端思维导图

原创 前端基础思维导图

原创 web前端学习路线图

原创 AI医药论文解读--Drug-drug Interaction Prediction with Graph Representation Learning

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

原创 AI医药论文解读--Deep graph embedding for prioritizing synergistic anticancer drug combinations（深度图嵌入法）

深度图嵌入法在协同抗癌药物组合中的应用论文题目Deep graph embedding for prioritizing synergistic anticancer drug combinations论文出自Computational and Structural Biotechnology Journal ，2020文章目录深度图嵌入法在协同抗癌药物组合中的应用一、模型介绍？二、详细过程？三、模型比较？一、模型介绍？图卷积编码器+矩阵双线性解码器整合药物组合、药物-蛋

原创 AI医药方向论文总结（包含DDI和DDS，重点分析药物联合预测）

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

原创 AI医药论文解读--DPDDI：药物相互作用的深层预测器

DPDDI：药物相互作用的深层预测器论文题目DPDDI: a deep predictor for drug-drug interactions论文出自BMC Bioinformatics ，2020论文链接：DPDDI: a deep predictor for drug-drug interactions文章目录DPDDI：药物相互作用的深层预测器一、研究背景？二、DPDDI模型？三、各模块详细介绍？四、实验部分？五、总结与思考？一、研究背景？现有的计算方法大致可以分

原创 AI医药论文解读--SmileGNN：基于SMILES和GNN的药物相互作用预测

SmileGNN：基于SMILES和GNN的药物相互作用预测论文题目SmileGNN: Drug-Drug Interaction Prediction Based on SMILES and Graph Neural Network论文出自Research Article（Preprints）,June 10th, 2021论文链接：SmileGNN文章目录SmileGNN：基于SMILES和GNN的药物相互作用预测一、SmileGNN模型？二、各模块详细介绍？三、实验？四

原创 深入浅出GCN------Graph Convolutional Network

深入浅出GCN------Graph Convolutional Network文章目录深入浅出GCN------Graph Convolutional Network1 什么是GCN？2 提取拓扑图空间特征的两种方式？3 GCN的过度平滑问题?4 GCN相关资料？1 什么是GCN？类似于社交网络、信息网络这样的图论中抽象意义的拓扑图。2 提取拓扑图空间特征的两种方式？vertex domain(spatial domain)是非常直观的一种方式。顾名思义：提取拓扑图上的空间特征，那么就把每

转载 深入浅出GAT–Graph Attention Networks（图注意力模型）

深入浅出GAT–Graph Attention Networks（图注意力模型）文章目录深入浅出GAT--Graph Attention Networks（图注意力模型）1 GAT的诞生2 关于图2.1 图的重要的“两特征”2.2 GCN的局限性3 GAT3.1 Global graph attention3.2 Mask graph attention4 输入浅出GAT4.1 计算注意力系数（attention coefficient）4.2 加权求和（aggregate）5 深入理解强化GAT5.1

原创 AI医药论文解读：Modeling Polypharmacy Side Effects with Graph Convolutional Networks

论文题目 Modeling Polypharmacy Side Effects with Graph Convolutional Networks 中文 使用图卷积网络对多药副作用进行建模 论文出自 Bioinformatics, 2018 目录一、研究的目的？二、模型介绍？三、数据集以及数据处理？四、图卷积编码器？五、张量分解解码器？六、实验结果比较？七、思考？一、研究的目的？ 对于患有复杂疾病的患者，需要药物组合进行治疗。 然而，多重用

原创 【药物联合预测方向】常见专业名词及翻译

各类专业名词：IC50 = 反应降低一半时的药物浓度测量值EC50 = 产生半最大反应的药物浓度测量值GI50 = 使总细胞生长减少 50% 的药物浓度测量值CI = 组合指数，测量值对于组合抑制作用与可加性的偏差CCI = 分类组合指数FDA = 食品和药物管理局DTI = 药物-靶标相互作用TTD = 治疗靶标数据库KEGG = 京都基因和基因组百科全书TPR = 真阳性率CMAP = Connectivity MapBNMF = Bayesian non