欢迎访问”云南利博农业科技有限公司”官方网站!
| 招聘信息

资讯详情
QB 华中农业大学章文刘世超团队综述基于深度进
- 分类:农作物知识
- 发布时间:2025-04-28 05:57
QB 华中农业大学章文刘世超团队综述基于深度进
- 分类:农作物知识
- 发布时间:2025-04-28 05:57
保守的神经收集仿照天然界的生物神经收集,由很多神经元以复杂的体例毗连而成,一般由输入层、躲藏层和输出层构成。正在DDI预测中,凡是正在将药物输入神经收集之前对其进行变换或特征提取。
按照输入数据的类型,将基于图神经收集(GNN)的方式分为两类:基于图的GNN和基于联系关系图的GNN。基于图的GNN利用药物图做为模子输入,并通过RDKit将药物SMILES序列暗示转换为图。基于联系关系图的GNN模子输入一般为DDI图,此中包含药物、DDI或副感化等相关消息。大大都现有的方式都是基于图,可是基于联系关系图的方式能够考虑药物布局之外的特征,从而进行更全面的DDI预测。
由教育部从管、高档教育出书社从办的《前沿》(Frontiers)系列英文学术期刊,以收集版和印刷版向全球刊行。系列期刊包罗根本科学、生命科学、工程手艺和人文社会科学四个从题,是我国笼盖学科最普遍的英文学术期刊群,此中12种被SCI收录,其他也被A&HCI、Ei、MEDLINE或响应学科国际权势巨子检索系统收录,具有必然的国际学术影响力。系列期刊采用正在线优先出书体例,文章以最快速度颁发。
药物-药物彼此感化(DDI)预测是药物平安性研究的环节使命,识别潜正在的DDI有帮于摸索结合医治背后的机制。保守的DDI湿化学尝试既繁琐又耗时,了DDI预测的效率。因而,开辟高效的计较方式来检测药物间的彼此感化尤为主要。跟着深度进修的成长,学者们提出了浩繁基于深度进修的DDI预测计较模子。取保守机械进修比拟,深度进修能够显著提高DDI预测机能,可以或许扩展到大规模数据集,并接管多种数据类型做为输入,从而使DDI预测愈加高效和精确。
近期,华中农业大学章文/刘世超课题组正在Quantitative Biology期刊颁发了一篇标题问题名为“Deep learning for drug‐drug interaction prediction! A comprehensive review”的综述文章。文章对基于深度进修的药物-药物彼此感化预测研究进展进行了回首,包罗基于保守神经收集的方式、基于图神经收集的方式、基于学问图谱嵌入的方式和基于多模态进修的方式,并指出了当前研究面对的挑和取将来可能的研究标的目的。
出格声明:本文转载仅仅是出于消息的需要,并不料味着代表本网坐概念或其内容的实正在性;如其他、网坐或小我从本网坐转载利用,须保留本网坐说明的“来历”,并自傲版权等法令义务;做者若是不单愿被转载或者联系转载稿费等事宜,请取我们联系。
学问图谱(KG)是多关系数据的图布局暗示,包含丰硕的语义消息和学问现实。KG以三元组形式存储实体及其关系(头实体、关系、尾实体),例如,(DRUG1,关系类型,DRUG2),此中头实体(DRUG1)通过谓词关系(关系类型)毗连到尾实体(DRUG2)。凡是用于DDI预测的数据库,如DrugBank和KEGG,因而能够将其描述为KGs。通过KG能够获得更多的生物联系关系消息,用于DDI预预测。现有的KG嵌入方式可分为三类!基于翻译的方式。
虽然深度进修正在DDI预测范畴取得了显著进展,但仍面对数据稀少性、稀有DDI事务和模子可注释性不脚等挑和。将来的研究能够摸索操纵匹敌性进修来优化数据集,操纵其他生物收集做为补凑数据源以缓解收集稀少性问题;引入小样本进修和零次进修来处置稀有DDI事务;开辟更具可注释性的DDI预测模子,以提高模子的精确性、靠得住性和可托度。
多模态深度进修将多种药物特征做为分歧模态,并将它们连系起来进行DDI预测。药物具有多种取其相关联的实体特征,如靶标、酶和感化通等。同时,药物具有多种维度的布局特征,如一维SMILES序列、二维图、三维构象图等。考虑多种特征能够正在必然程度上获得较好的DDI预测机能。
Quantitative Biology (QB)期刊是由大学、大学、高教出书社结合开办的全英文学术期刊。QB次要登载生物消息学、计较生物学、系统生物学、理论生物学和合成生物学的最新研究和前沿进展,并为生命科学取计较机、数学、物理等交叉研究范畴打制一个学术程度高、可读性强、具有全球影响力的交叉学科期刊品牌。
本文综述了基于深度进修的药物-药物彼此感化预测研究进展。文章概述了药物互做的道理及研究现状(图1);接着引见了四类支流的基于深度进修的药物-药物彼此感化预测方式;最初总结了当前研究面对的挑和,同时指出了将来可能的研究标的目的。
Online Message
在线留言