• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Systems Biology >Semi-supervised drug-protein interaction prediction from heterogeneous biological spaces
【2h】

Semi-supervised drug-protein interaction prediction from heterogeneous biological spaces

机译：来自异质性生物空间的半监督药物-蛋白质相互作用预测

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundPredicting drug-protein interactions from heterogeneous biological data sources is a key step for in silico drug discovery. The difficulty of this prediction task lies in the rarity of known drug-protein interactions and myriad unknown interactions to be predicted. To meet this challenge, a manifold regularization semi-supervised learning method is presented to tackle this issue by using labeled and unlabeled information which often generates better results than using the labeled data alone. Furthermore, our semi-supervised learning method integrates known drug-protein interaction network information as well as chemical structure and genomic sequence data.
机译：背景技术从异质性生物学数据源预测药物-蛋白质相互作用是计算机模拟药物发现的关键步骤。该预测任务的困难在于已知药物-蛋白质相互作用和待预测的众多未知相互作用的罕见性。为了应对这一挑战，提出了一种流形正则化半监督学习方法来解决这一问题，方法是使用标记和未标记的信息，这些信息通常比单独使用标记的数据会产生更好的结果。此外，我们的半监督学习方法整合了已知的药物-蛋白质相互作用网络信息以及化学结构和基因组序列数据。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号