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