基于流形正则化非负矩阵分解预测药物-靶蛋白作用关系

摘要：

识别药物-靶蛋白作用关系是当前药物研究的重要内容,其可帮助识别已有药物的新功能,发现药物的"偏靶蛋白"等.现有预测算法对新药物的作用靶蛋白,及新靶蛋白的作用药物预测存在困难,由此提出一种新奇的基于流形正则化非负矩阵分解的新药物/新靶蛋白作用关系预测算法,该方法首先通过聚类算法构建新药物/新靶蛋白的初始作用标签,然后设计引入流形学习正则化约束的非负矩阵分解算法预测药物-靶蛋白作用关系,最后在四个经典数据集中测试,并与最新预测算法BLM-NII、RLS-WNN和WKNKN+WGRMF算法进行比较,证明本文算法可获取较高的预测精度.

关键词：药物、靶蛋白、聚类、流形学习正则化、非负矩阵分解

所属期刊栏目：19

分类号：TP391.45(计算技术、计算机技术)

资助基金：国家自然科学基金项目51707158;陕西省教育厅项目17JK0603;西安石油大学博士科研启动基金134890003

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：325-329