基于协同矩阵分解的药物靶标相互作用关系预测

声明

摘要

第一章 引言

第二章 问题描述和经典方法回顾

2．1 问题描述

2．1．1 药物-靶标蛋白关系预测问题的基本描述

2．1．2 机器学习方法解决药物-靶标蛋白预测问题的整体框架

2．1．3 数据源

2．2 经典预测方法回顾

2．2．1 Nearest Neighbor(NN)

2．2．2 Bipartite local models(BLM)

2．2．3 Pairwise kernel method(PKM)

2．2．4 Laplacian regularized least squares and Net Laplacian regularized least squares(LapRLS＆NetLapRLS)

2．2．5 Gaussian interaction profile(GIP)

2．2．6 Kernelized Bayesian matrix factorization with twin kernels(KBMF2K)

2．2．7 Network-based inference(NBI)

第三章 协同矩阵分解

3．1 协同矩阵分解概要

3．2 算法介绍

3．3 利用ALS算法求解模型

第四章 实验结果与分析

4．1 实验数据

4．1．1 药物-靶标蛋白关系数据

4．1．2 药物信息

4．1．3 靶标蛋白信息

4．2 实验设置

4．2．1 实验步骤

4．2．2 实验参数

4．2．3 评价标准

4．3 实验结果

4．3．1 药物预测结果

4．3．2 靶标蛋白预测结果

4．3．3 药物-靶标蛋白对预测结果

4．4 协同矩阵分解的实际预测

4．4．1 低维特征空间实例

4．4．2 新预测

第五章 总结与展望

参考文献

硕士期间发表论文

致谢