期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层注意力和消息传递网络的药物相互作用预测方法
1
作者
饶晓洁
张通
+1 位作者
孟献兵
陈俊龙
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第12期2507-2519,共13页
药物相互作用(Drug-drug interaction,DDI)是指不同药物存在抑制或促进等作用.现有DDI预测方法往往直接利用药物分子特征表示预测DDI,而忽略药物分子中不同原子对DDI的影响.为此,提出基于多层次注意力机制和消息传递神经网络的DDI预测方...
药物相互作用(Drug-drug interaction,DDI)是指不同药物存在抑制或促进等作用.现有DDI预测方法往往直接利用药物分子特征表示预测DDI,而忽略药物分子中不同原子对DDI的影响.为此,提出基于多层次注意力机制和消息传递神经网络的DDI预测方法.该方法将DDI建模为通过学习基于序列表示的药物分子特征实现DDI预测的链接预测问题.首先,建立基于注意力机制和消息传递神经网络的原子特征网络,结合提出的基于分子质心的位置编码,学习不同原子及其相关联化学键的特征,构建基于图结构的药物分子特征表示;然后,设计基于注意力机制的分子特征网络,并通过监督和对比损失学习,实现DDI预测;最后,通过实验证明该方法的有效性和优越性.
展开更多
关键词
药物相互作用
预测
多层次注意力机制
消息传递神经网络
位置编码
下载PDF
职称材料
基于药物互作网络的协同与拮抗预测研究
被引量：
1
2
作者
刘文斌
陈杰
+2 位作者
方刚
石晓龙
许鹏
《电子与信息学报》
EI
CSCD
北大核心
2020年第6期1420-1427,共8页
药物的协同与拮抗关系预测,有助于药物的使用安全及组合用药的发展。该文从药物互作网络(DDINet)出发,基于网络拓扑结构构造分类特征,提出一种预测药物协同和拮抗关系的方法。从特征选择结果可知,根据药物与其公共邻居节点关系构造的特...
药物的协同与拮抗关系预测,有助于药物的使用安全及组合用药的发展。该文从药物互作网络(DDINet)出发,基于网络拓扑结构构造分类特征,提出一种预测药物协同和拮抗关系的方法。从特征选择结果可知,根据药物与其公共邻居节点关系构造的特征表现出了明显的正负样本分布差距,能有效地反映出药物的协同或拮抗关系。在使用不同特征分类器的分类结果中,最优AUC和分类精度值分别达到了0.9687和0.9187。而在协同与拮抗关系预测结果中,其预测精度值达到了0.45和0.75以上。这说明基于网络拓扑结构的方法能有效对药物协同和拮抗关系进行分类和预测。与传统基于药物功能、结构、靶基因等相似性特征的方法相比,该方法计算简单高效,将会有效促进组合用药的发展。
展开更多
关键词
药物相互作用
预测
网络拓扑结构
药物
协同
药物
拮抗
下载PDF
职称材料
题名
基于多层注意力和消息传递网络的药物相互作用预测方法
1
作者
饶晓洁
张通
孟献兵
陈俊龙
机构
华南理工大学计算机科学与工程学院
琶洲实验室
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第12期2507-2519,共13页
基金
国家重点研发计划(2019YFB1703600)
国家自然科学基金(62006081)
+1 种基金
广东省自然科学基金面上项目(2022A1515011317)
中国博士后科学基金(2020M672630)资助。
文摘
药物相互作用(Drug-drug interaction,DDI)是指不同药物存在抑制或促进等作用.现有DDI预测方法往往直接利用药物分子特征表示预测DDI,而忽略药物分子中不同原子对DDI的影响.为此,提出基于多层次注意力机制和消息传递神经网络的DDI预测方法.该方法将DDI建模为通过学习基于序列表示的药物分子特征实现DDI预测的链接预测问题.首先,建立基于注意力机制和消息传递神经网络的原子特征网络,结合提出的基于分子质心的位置编码,学习不同原子及其相关联化学键的特征,构建基于图结构的药物分子特征表示;然后,设计基于注意力机制的分子特征网络,并通过监督和对比损失学习,实现DDI预测;最后,通过实验证明该方法的有效性和优越性.
关键词
药物相互作用
预测
多层次注意力机制
消息传递神经网络
位置编码
Keywords
Drug-drug interaction prediction
multi-level attention mechanism
message passing neural network
positional encoding
分类号
R969.2 [医药卫生—药理学]
TP183 [医药卫生—药学]
下载PDF
职称材料
题名
基于药物互作网络的协同与拮抗预测研究
被引量：
1
2
作者
刘文斌
陈杰
方刚
石晓龙
许鹏
机构
温州大学计算机与人工智能学院
广州大学计算科技研究院
黔南民族师范学院计算机与信息学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第6期1420-1427,共8页
基金
国家重点研发计划(2019YFA0706402)
国家自然科学基金(61572367,61573017,61972107,61972109)。
文摘
药物的协同与拮抗关系预测,有助于药物的使用安全及组合用药的发展。该文从药物互作网络(DDINet)出发,基于网络拓扑结构构造分类特征,提出一种预测药物协同和拮抗关系的方法。从特征选择结果可知,根据药物与其公共邻居节点关系构造的特征表现出了明显的正负样本分布差距,能有效地反映出药物的协同或拮抗关系。在使用不同特征分类器的分类结果中,最优AUC和分类精度值分别达到了0.9687和0.9187。而在协同与拮抗关系预测结果中,其预测精度值达到了0.45和0.75以上。这说明基于网络拓扑结构的方法能有效对药物协同和拮抗关系进行分类和预测。与传统基于药物功能、结构、靶基因等相似性特征的方法相比,该方法计算简单高效,将会有效促进组合用药的发展。
关键词
药物相互作用
预测
网络拓扑结构
药物
协同
药物
拮抗
Keywords
Prediction Drug-Drug Interactions(DDIs)
Network topology
Synergy
Antagonism
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多层注意力和消息传递网络的药物相互作用预测方法
饶晓洁
张通
孟献兵
陈俊龙
《自动化学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于药物互作网络的协同与拮抗预测研究
刘文斌
陈杰
方刚
石晓龙
许鹏
《电子与信息学报》
EI
CSCD
北大核心
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
