From d6ec83274c65fa49fef27babc0d758855f525fac Mon Sep 17 00:00:00 2001 From: ruoneo Date: Thu, 26 Sep 2024 22:34:17 +0800 Subject: [PATCH] =?UTF-8?q?2024/09/26=20=E5=91=A8=E5=9B=9B=2022:34:17.75?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../index.html | 4 ++-- .../index.html | 4 ++-- public/404.html | 2 +- public/archives/2017/07/index.html | 2 +- public/archives/2017/08/index.html | 2 +- public/archives/2017/09/index.html | 2 +- public/archives/2017/10/index.html | 2 +- public/archives/2017/11/index.html | 2 +- public/archives/2017/12/index.html | 2 +- public/archives/2017/index.html | 2 +- public/archives/2017/page/2/index.html | 2 +- public/archives/2020/06/index.html | 2 +- public/archives/2020/07/index.html | 2 +- public/archives/2020/08/index.html | 2 +- public/archives/2020/09/index.html | 2 +- public/archives/2020/10/index.html | 2 +- public/archives/2020/11/index.html | 2 +- public/archives/2020/12/index.html | 2 +- public/archives/2020/index.html | 2 +- public/archives/2020/page/2/index.html | 2 +- public/archives/2021/01/index.html | 2 +- public/archives/2021/03/index.html | 2 +- public/archives/2021/06/index.html | 2 +- public/archives/2021/07/index.html | 2 +- public/archives/2021/09/index.html | 2 +- public/archives/2021/11/index.html | 2 +- public/archives/2021/12/index.html | 2 +- public/archives/2021/index.html | 2 +- public/archives/2021/page/2/index.html | 2 +- public/archives/2022/01/index.html | 2 +- public/archives/2022/02/index.html | 2 +- public/archives/2022/03/index.html | 2 +- public/archives/2022/index.html | 2 +- public/archives/2023/09/index.html | 2 +- public/archives/2023/index.html | 2 +- public/archives/2024/07/index.html | 2 +- public/archives/2024/index.html | 2 +- public/archives/index.html | 2 +- public/archives/page/2/index.html | 2 +- public/archives/page/3/index.html | 2 +- public/archives/page/4/index.html | 2 +- public/archives/page/5/index.html | 2 +- public/archives/page/6/index.html | 2 +- public/archives/page/7/index.html | 2 +- public/categories/服务器/index.html | 2 +- public/categories/论文阅读笔记/index.html | 2 +- public/categories/踩坑日记/index.html | 2 +- public/categories/错误本/index.html | 2 +- public/index.html | 2 +- public/page/2/index.html | 2 +- public/page/3/index.html | 2 +- public/page/4/index.html | 2 +- public/page/5/index.html | 2 +- public/search.xml | 4 ++-- public/tags/GAT/index.html | 2 +- public/tags/JS/index.html | 2 +- public/tags/Java/index.html | 2 +- public/tags/MySQL/index.html | 2 +- public/tags/Mybatis/index.html | 2 +- public/tags/cookie-session/index.html | 2 +- public/tags/drug-taget-interactions-prediction/index.html | 2 +- public/tags/index.html | 2 +- public/tags/会话技术/index.html | 2 +- public/tags/前端/index.html | 2 +- public/tags/前端框架/index.html | 2 +- public/tags/动态网页/index.html | 2 +- public/tags/后端/index.html | 2 +- public/tags/后端/page/2/index.html | 2 +- public/tags/后端框架/index.html | 2 +- public/tags/图神经网络/index.html | 2 +- public/tags/数据库/index.html | 2 +- public/tags/数据库连接池/index.html | 2 +- public/tags/数据库驱动/index.html | 2 +- public/tags/数据持久化/index.html | 2 +- public/tags/服务器开发/index.html | 2 +- public/tags/框架/index.html | 2 +- public/tags/特征学习/index.html | 2 +- public/tags/网络编程/index.html | 2 +- public/tags/超节点/index.html | 2 +- public/tags/过滤器和监听器/index.html | 2 +- public/tags/项目构建工具/index.html | 2 +- public/tags/项目管理/index.html | 2 +- 82 files changed, 85 insertions(+), 85 deletions(-) diff --git a/public/2020/09/23/BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions/index.html b/public/2020/09/23/BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions/index.html index 7e5209b..e452f73 100644 --- a/public/2020/09/23/BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions/index.html +++ b/public/2020/09/23/BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions/index.html @@ -145,7 +145,7 @@ } } detectApple() - })(window)

BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions.md

发表于|更新于|论文阅读笔记
|字数总计:7.7k|阅读时长:24分钟

摘要

+ })(window)

BridgeDPI_ a novel Graph Neural Network for predicting drug–protein interactions.md

发表于|更新于|论文阅读笔记
|字数总计:7.7k|阅读时长:24分钟

摘要

动机：探索药物-蛋白质相互作用（DPIs）提供了一种快速而精确的方法来帮助实验室实验发现新药。基于网络的方法通常利用药物-蛋白质关联网络，通过相关蛋白质或药物的信息预测DPI，称为“关联内疚”原则。然而，“关联内疚”原则并不总是正确的，因为有时相似的蛋白质不能与相似的药物相互作用。最近，基于学习的方法通过利用已有的表征相互作用的数据库来学习DPIs的分子特性，但忽略了网络级信息。
结果：我们提出了一种新的方法，即桥接DPI。我们设计了一类虚拟节点来弥合药物和蛋白质之间的鸿沟，并构建了一个可学习的药物-蛋白质关联网络。该网络基于来自下游任务DPI预测的监督信号进行优化。通过药物-蛋白质关联网络传递的信息，图形神经网络可以捕获不同药物和蛋白质之间的网络级信息。通过结合网络级信息和基于学习的方法，BridgeDPI在三个真实DPI数据集中实现了显著的改进。此外，案例研究进一步验证了BridgeDPI的有效性和可靠性。
可用性和实施：BridgeDPI的源代码可访问https://github.com/SenseTimeKnowledge-Mining/BridgeDPI.本研究中使用的原始数据可在https://github.com/IBM/可解释的DTIP（用于BindingDB数据集），https://github.com/masashitsubaki/CPI_prediction（对于线虫和人类）数据集，http://dude.docking.org/（对于DUD-E数据集），分别为。联系人：limin@mail.csu.edu.cn或zhangjie1@sensetime.com

@@ -214,7 +214,7 @@

为了展示BridgeDPI在实际虚拟筛选中的性能，我们选择了两个重要的病毒靶点，3C样蛋白酶（3CLpro）和RNA依赖性RNA聚合酶（RdRp）作为研究对象。这两个靶点在蛋白质复制/转录和宿主细胞识别中起主要作用，因此对病毒繁殖和感染传播至关重要（Murugan等人，2020年）。与（Kim等人，2021年）一样，我们也选择了一些候选药物，如巴里西尼和伊维菌素，来测试预测的相互作用。首先，我们获得两个目标的氨基酸序列[3CLpro序列来自蛋白质数据库（PDB）数据库（Sussman等人，1998年），PDB ID为6WQF，RdRp来自国家生物技术信息中心（NCBI；Pruitt等人，2007年），NCBI YP_009725307.1]。然后，序列和候选分子被送入桥联DPI。最后，预测了它们的相互作用概率，如表5所示。表5显示，巴里西尼布、雷姆德西韦、洛匹那韦和利托那韦都是非常有潜力的药物，可以与3CLpro相互作用；伊维菌素、雷德西韦、索非斯布韦、达克拉他韦、洛匹那韦和利托那韦都是能与RdRp结合的有效药物。事实上，许多研究和临床试验也验证了结果（Caly et al.，2020；Elfiky，2020；Favalli et al.，2020；Kalil et al.，2021；Sadeghi et al.，2020；Stower，2020）。相比之下，阿司匹林等无关药物与病毒靶点的相互作用潜力很小。这些实验结果验证了BridgeDPI预测新药的有效性和可靠性，表明BridgeDPI对实际研究和药物发现具有指导作用。

5 结论

在本研究中，我们提出了一个端到端的深度学习框架，通过在基于学习的框架中引入网络级信息来预测DPI。我们构建了一个有监督的药物-蛋白质网络，并在其中引入了一类桥节点。桥节点通过在不同的药物和蛋白质之间传递信息来弥合药物和蛋白质之间的差距，因此我们可以使用GNN来捕获网络级别的信息，并依靠有监督的“关联内疚”来执行预测。因此，我们的模型综合了基于网络的方法和基于学习的方法的优点，集成了更全面的特征。实验表明，在BindingDB、线虫、人类、DUD-E数据集上，我们的方法优于其他竞争方法，并实现了SOTA性能。此外，带有具体例子的案例研究也重申了我们模型的实用性。

-
文章作者: Ruoneo
文章链接: https://ismaxu.com/2020/09/23/BridgeDPI_%20a%20novel%20Graph%20Neural%20Network%20for%20predicting%20drug%E2%80%93protein%20interactions/
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 水榭听泉！
图神经网络drug-taget interactions prediction特征学习超节点
评论
TwikooGitalk
avatar
Ruoneo
嗨! 你好!
文章
64
标签
26
分类
4
公告
感谢来访。希望这里有对你有帮助的内容。
最新文章
git局域网部署方法
关于PyQt的connect传入lambda函数作为参数调用槽函数的一点思考
Spring注解
Spring
MultiDTI_ drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical
评论
TwikooGitalk
avatar
Ruoneo
嗨! 你好!
文章
64
标签
26
分类
4
公告
感谢来访。希望这里有对你有帮助的内容。
最新文章
git局域网部署方法
关于PyQt的connect传入lambda函数作为参数调用槽函数的一点思考
Spring注解
Spring
MultiDTI_ drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical

Drug repositioning based on comprehensive_similarity measures and Bi-Random walk_algorithm

发表于|更新于
|字数总计:10.2k|阅读时长:33分钟

基于综合相似性度量和双随机游走算法的药物定位

-

摘要:

+

摘要:

**动机：**药物重新定位旨在为现有药物确定新的适应症，为减少传统药物开发的总时间和成本提供了一个有前途的选择。基于药物和疾病之间的相似性，已经提出了许多药物重新定位的计算策略。目前的研究通常只使用与药物相关的特性(例如，在计算药物或疾病相似性时，不考虑已知的药物-疾病关联信息对相似性度量的影响，而仅计算与疾病相关的属性(例如，表型)或仅计算与疾病相关的属性(例如，化学结构)。
结果：基于相似药物通常与相似疾病相关，反之亦然的假设，我们提出了一种新的计算方法MBiRW，该方法利用一些综合相似性度量和双随机游走(BiRW)算法来识别给定药物的潜在新适应症。通过将药物或疾病特征信息与已知的药物-疾病关联相结合，首次提出了综合相似度来计算药物和疾病的相似度。然后构建药物相似网络和疾病相似网络，并将它们合并成一个具有已知药物-疾病相互作用的异质网络。基于药物-疾病异构网络，采用BiRW算法预测新的潜在药物-疾病关联。在不同数据集上的计算实验结果表明，该方法具有可靠的预测性能，并优于目前的几种计算药物定位方法。此外，对五种选定药物的案例研究进一步证实了我们的方法在实际应用中发现潜在药物适应症的优越性能。
可用性和实施：http://github.com//bioinfomaticsCSU/MBiRW.

@@ -389,7 +389,7 @@ Knowl. Discov. Data Mining, 2, LNCS, 7302, 292–303.
Yu,L. et al. (2015) Inferring drug–disease associations based on known protein
complexes. BMC Med. Genomics, 8, S2. -
文章作者: Ruoneo
文章链接: https://ismaxu.com/2022/01/12/Drug%20repositioning%20based%20on%20comprehensive_similarity%20measures%20and%20Bi-Random%20walk_algorithm/
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 水榭听泉！
评论
TwikooGitalk
avatar
Ruoneo
嗨! 你好!
文章
64
标签
26
分类
4
公告
感谢来访。希望这里有对你有帮助的内容。
最新文章
git局域网部署方法
关于PyQt的connect传入lambda函数作为参数调用槽函数的一点思考
Spring注解
Spring
MultiDTI_ drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical
评论
TwikooGitalk
avatar
Ruoneo
嗨! 你好!
文章
64
标签
26
分类
4
公告
感谢来访。希望这里有对你有帮助的内容。
最新文章
git局域网部署方法
关于PyQt的connect传入lambda函数作为参数调用槽函数的一点思考
Spring注解
Spring
MultiDTI_ drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical