权威的药物预测训练集资源

最新推荐文章于 2024-07-23 14:05:29 发布
最新推荐文章于 2024-07-23 14:05:29 发布
阅读量277 收藏 1
点赞数
分类专栏： 生信 文章标签： 数据库 人工智能
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/zhengxj_/article/details/128541023
版权

权威的药物预测训练集资源

那么，比较权威的资源一般就是Cancer Therapeutics Response Portal (CTRP) 和 Genomics of Drug Sensitivity in Cancer (GDSC)

Cancer Therapeutics Response Portal (CTRP)

目前主要是CTRP v2，官网是：http://portals.broadinstitute.org/ctrp.v2.1/

  • 481 compounds X 860 CCLs

  • correlations to copy-number and gene-expression data

  • mutation data integrate CCLE and Sanger/MGH calls

  • correlation and enrichment analysis on-the-fly

  • box-whisker visualization in addition to enrichment heatmaps

  • drill-down to scatter plots and concentration-response curves

  • flter by lineage/subtype, growth mode

Genomics of Drug Sensitivity in Cancer (GDSC)

官网是：https://www.cancerrxgene.org/

如果是v2的版本，有809 Cell lines 以及 198 Compounds

如果是看v1版本，987 Cell lines 和 367 Compounds

资源都被整理好了

我们

了解本专栏 订阅专栏 解锁全文 超级会员免费看
zhengxj_
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
深度学习在医疗领域的应用：影像诊断疾病预测药物研发
禅与计算机程序设计艺术
04-24 568
1. 背景介绍 1.1 医疗领域面临的挑战 医疗领域一直面临着诸多挑战，例如疾病诊断的准确性和效率、疾病预测的可靠性、新药研发的成本和周期等。传统的医疗方法往往依赖于医生的经验和直觉，而这些方法存在着主观性强、效率低、成本高等问题。 1.2 深度学习
3+肿瘤+预后模型+甲基化
2301_79430545的博客
10-17 154
在整合了三个基因的 CNV 结果后，分析了它们与免疫浸润的关系，发现在高 CNV 肿瘤中聚集了 nTreg、exhaust、effector_memory、单核细胞、中性粒细胞、Th1 细胞，而在低 CNV 肿瘤中聚集了 CD4 naive、Th2、Tfh、NKT（自然杀伤 T 细胞）、Gamma_delta、NK、MAIT 和 CD4 T（图 12D）。TIDE 评分结果显示，NFE2 低表达组的 TIDE 评分较高，表明免疫治疗效果不佳，说明 NFE2 的高表达可能是免疫治疗的阳性指标（图 15A）。
筛选样本_基于大规模药物筛选数据发现肝癌精准治疗新途径
weixin_39907939的博客
12-23 256
责编 | 十一月2020年11月10日，国际生物信息学专业期刊Briefings in Bioinformatics在线发表了上海交通大学医学院附属仁济医院-上海市肿瘤研究所和肝脏外科的研究成果Exploring subclass-specifictherapeutic agents for hepatocellular carcinoma by informatics-guided drugsc...
生信学习思路小分享
R1206541295的博客
01-31 2888
以下分享一下生信学习的一些小总结。 首先，进行生信分析的学习，主要分为三大块： 1.文献阅读 2.工具学习 3.数据下载 文献学习 大家学习生信的动机可能都不太同，除了自己领域上经典、前沿的文献，生信相关的文献可以帮助我们了解： 1.有什么数据我们可以应用； 2.有什么样的分析方法，分析思路； 文献阅读方面，推荐一个公众号：科研君，就是带你看文献，似乎每天都更新。 推荐一个网站：geenmedical。跟哥这个网站很多文献都有资源。文献阅读放pdf进去就能翻译。还有各种功能，入股不亏。 工具学习 R和R包的
深度学习 机器学习 数据集资源汇总
热门推荐
GAN、Transformer、Vue、Django知识学习&&分享者 ZhuBa的博客 zhuba-Ahhh.github.io
04-25 6万+
目前个人认为较好的数据集网站主要有： 数据集网站 1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区 2.天池数据集：数据集-阿里系唯一对外开放数据分享平台 3.Papers With Code数据集：Machine Learning Datasets | Papers With Code 4.Kaggle 数据集：Find Open Datasets and Machine Learning Projects | Kaggle 5.Graviti O
DTF:预测抗癌药物协同作用的深度张量分解
qq_37637914的博客
04-23 1274
DTF: Deep Tensor Factorization for predicting anticancer drug synergy摘要1 介绍2 材料与方法2.1 数据采集和预处理2.2 DTF:深张量因式分解2.2.1 符号2.2.2 张量分解算法2.2.3 CP-WOPT drug synergy) 摘要 联合疗法已被广泛用于治疗癌症。然而，由于可能的药物组合数量庞大，实验筛选协同药物对需要大量的时间和成本。因此，计算方法已成为预测和优选协同药物对的重要方法。 我们提出了一种深度张量因子分解(D
Bioinformatics | 预测药物-药物相互作用的多模态深度学习框架
DrugAI
08-14 4289
作者 | 朱玉磊审稿 | 李芬今天给大家介绍来自华中农业大学信息学院章文教授课题组在Bioinformatics上发表的一篇关于预测药物与药物相互作用事件的文章。作者提出了一个多模态深度...
基于张量分解的药物重定位预测药物、靶点和疾病之间的关联
qq_37637914的博客
03-16 2988
Predicting associations among drugs,targets and diseases by tensor decomposition for drug repositioningfrom BMC Bioinformatics摘要介绍**药物重定位三类方法**基于机器学习基于矩阵分解基于网络 from BMC Bioinformatics 摘要 药物重定位：发现现有药物的新用途为目标 我们构建并分解包含药物、靶标和疾病之间关联的三维张量，推导出反映这三种实体功能模式的潜在因子。 大
技术干货 | MindSpore AI科学计算（二）：药物分子预训练模型分析
Kenji_Shinji的博客
07-06 811
深度学习模型广泛地应用于图像、文本、音频等领域，并发挥出了巨大作用。而在生物制药领域，研究人员也正在通过深度学习模型来辅助药物分子的设计、表征和优化，以此来减少资源成本，其在虚拟筛选等环节中发挥很好的作用，缩短药物分子研发的周期，从而降低研发成本。分子表示首先来看一下如何来表示一个分子，我们最常见的一般是化学表达式，但这并不适用于深度学习模型的输入。分子表示是指用于每个分子的数字编码，表示的方法必须捕获每个分子的基本结构信息，从分子结构中创建适当的表示称为特征化。一般表示需要有两个重要属性：唯一性和可逆性。
脱发预测数据集脱发预测数据集
06-10
最后，通过训练集和验证集进行模型训练和优化，以达到最佳预测能力。 这个数据集对于生物医学研究者、数据科学家、皮肤科医生以及关注个人健康的人来说具有很高的价值。他们可以利用这个资源来探索脱发的原因，开发...
药品副作用及特性数据集
06-26
药品副作用及特性数据集是研究药物安全性和药效学的重要资源，它包含了丰富的信息，用于理解和预测药物可能带来的不良反应以及其独特的药理特性。在这个数据集中，"cmpdname" 和 "GenericName" 文件可能是两个关键的...
atom3d数据集代码类资源
12-07
这个数据集的出现，极大地促进了药物发现、蛋白质结构预测以及其他生物化学领域的研究。在本篇文章中，我们将深入探讨Atom3D数据集的核心特性、使用方法以及其在机器学习中的应用。 Atom3D数据集提供了一个统一的...
药物、副作用和医疗状况数据集.zip
02-14
在NLP领域，这样的数据集可以用于训练模型来自动识别药物和副作用的关系。例如，可以构建一个文本分类模型，通过对药物说明书的文本进行分析，自动提取出潜在的副作用。这样的模型能够极大地提高药物信息的处理效率...
医学成绩单数据集.zip
02-14
这样的数据集对于训练和评估NLP模型，尤其是那些专注于医疗领域的模型，如疾病预测、药物反应分析或症状检测，至关重要。 标签“数据集”进一步确认了这是用于研究或开发目的的数据集合。在NLP中，数据集的质量和...
OAuth2.0 or Spring Session or 单点登录流程
qq_53374893的博客
07-20 355
一句话精辟解释： 在过滤器放行的时候，偷偷的把原生的 request 和 response 对象换成了它的实现，也就是 调用getSession 的时候拿到的 其实是对redis 操作的Session。但其他的操作还是使用原生的，只不过重写的方法，调用的是子类的，也就是往 redis 里放入 Session，把原生的操作给替换了！分布式Session原理，使用子域名，的时候放入父域名的 JsessionId 然后将这个ID 的所存的内容放入Redis ，这样实现不同域名共享同一sessionID.
基于JSP的高校信息资源共享平台
heye0910032的博客
07-22 550
高校信息资源共享平台的开发和实现，为高校信息资源的管理和共享提供了一个有效的解决方案。通过使用JSP技术和MySQL数据库，本系统实现了一个稳定、安全、易用的高校信息资源管理平台。虽然在开发过程中遇到了一些技术挑战，但通过不断学习和实践，最终完成了一个能够满足用户需求的系统。未来，我们将继续优化系统功能，提升用户体验，以期达到更高的应用价值和社会效益。高校信息资源共享平台的开发和实现，为高校信息资源的管理和共享提供了一个有效的解决方案。
秒杀业务: 简单梳理
最新发布
m0_59925573的博客
07-23 857
（1）在一人一单优惠券秒杀中，先是解决了因线程安全导致的超卖问题，为了满足一人一单的业务需求需要给查询订单表查询库存表上锁，但是synchronized只能满足单机环境下线程安全，在分布式环境对多个JVM需要使用分布式锁，于是手写分布式锁,但是在极端情况下，例如业务超时，会出现“误删”问题，手写锁无法解决，于是引入redisson,借助看门狗机制可以有效解决这个问题。
MySQL（事务、索引）&&MyBatis
hycccccch的博客
07-19 732
事务指的是一组操作的集合，是一个不可分割的工作单位。事务会将所有的操作作为一个整体一起向系统提交或撤销操作请求，即这些操作要么同时成功，要么同时失败默认MySQL的事务是自动提交，即当执行一条DML语句时，MySQL会立即隐式的提交事务开启事务后运行事务不会对数据改变，commit后才会改变数据如果有命令发生错误，需要进行rollback进行回滚、
lstm负荷预测训练集代码
03-31
抱歉，作为AI语言模型，我没有权限提供具体的代码。但是，我可以给你一些相关的参考资料和思路。 1. 数据预处理： 在进行LSTM负荷预测时，需要首先对原始数据进行处理，一些常见的方法包括： - 数据清洗：去除异常值、重复数据等。 - 数据归一化：将数据缩放到0-1范围内，使得不同尺度的特征对模型的影响相同。 - 数据平稳化：去除趋势和季节性，使得数据更符合平稳时间序列的假设。 2. LSTM模型构建： LSTM（长短时记忆网络）是一种常用的循环神经网络，用于处理序列数据。在LSTM模型中，每个时刻的输入都是当前时刻的特征值和上一时刻的隐状态，输出则是当前时刻的预测值和当前时刻的隐状态。常见的LSTM模型包括单层LSTM和多层LSTM，其中多层LSTM可以增加模型的表达能力，提高预测精度。 3. 模型训练和验证： 在进行LSTM负荷预测时，需要将数据分为训练集和测试集，并使用训练集对LSTM模型进行训练。训练过程中，需要选择合适的损失函数和优化算法，并使用交叉验证等方法对模型进行调参。训练完成后，需要使用测试集对模型进行验证，并计算预测精度和误差指标，如均方误差、平均绝对误差等。 总之，LSTM负荷预测是一个比较复杂的问题，需要综合考虑数据预处理、模型构建和训练验证等多个方面。如果您需要具体的代码实现，建议参考相关的开源代码和教程，或者请专业人士协助您完成。
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