基于人工智能的药物-靶标相互作用预测

作     者：杨朔 王洁 张梦婷 沈子豪 李洪林 李诗良 YANG Shuo;WANG Jie;ZHANG Mengting;SHEN Zihao;LI Honglin;LI Shiliang

作者机构：华东理工大学新药设计重点实验室生物反应器工程国家重点实验室华东理工大学药学院上海200237 

出 版 物：《中国现代应用药学》 (Chinese Journal of Modern Applied Pharmacy)

年 卷 期：2022年第39卷第21期

页      码：2797-2803页

摘      要：目的建立一个高效的药物-靶标相互作用预测分类模型,为生物实验提供有力的补充工具。方法研究开发一种基于深度学习的方法来预测药物-靶标相互作用:通过引入高维分子指纹和蛋白质描述符,并应用概率矩阵分解算法生成负样本集,构建一个高效的药物-靶标相互作用预测分类模型。结果与其他已报道的方法相比,本方法具有可比性或优越性,预测准确性、特异性、敏感性以及AUC值均>90%,提示该方法在药物靶标预测方面具有良好的应用前景。结论人工智能深度学习模型以及概率矩阵分解算法的结合有助于解决药物-靶标相互作用预测精度低、负样本选择不合理等问题。

主 题 词：药物-靶标相互作用 深度学习 概率矩阵分解算法 靶标预测 

学科分类：1007[医学-药学类] 1006[医学-中西医结合类] 100706[100706] 100602[100602] 10[医学] 

核心收录：

D　O　I：10.13748/j.cnki.issn1007-7693.2022.21.015

馆 藏 号：203115531...