球形演化极限学习机在药物-靶标相互作用智能预测中的应用
为解决药物研发中湿法实验耗时长且高成本等问题,采用机器学习预测药物-靶标相互作用.同时,为解决机器学习在建立药物-靶标相互作用模型时,受到分类器的类不平衡和参数优化等各种问题的制约.文章提出了一个基于球形演化极限学习机的药物-靶相互作用预测方法(SEELM-DTI),该方法主要使用筛选法选择高置信负样本、利用球形演化算法对极限学习机的参数进行优化.该研究将SEELM-DTI与SELF-BLM、NetLapRLS、WNN-GIP、SPLCMF、BLM-NII在基准数据集中进行试验比较,评价指标为AUC与AUPR.实验结果表明:SEELM-DTI的性能和效果优于其他基准算法,并且解决了类不平衡和参数优化问题,最后在常用的多个药物数据库上验证了SEELM-DTI预测药物-靶标相互作用的效果.
药物靶向相互作用、药物发现、极限学习机、球形搜索、类不平衡
55
TP391(计算技术、计算机技术)
国家自然科学基金;广东省自然科学基金项目;广东省普通高校青年创新人才类项目
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
121-128