本文選題：藥物 + 靶標(biāo)蛋白　； 參考：《復(fù)旦大學(xué)》2014年碩士論文

【摘要】：研究藥物和靶標(biāo)蛋白之間的關(guān)系對(duì)于藥物研發(fā)有著重要的意義。傳統(tǒng)的化學(xué)試驗(yàn)方法效率低下且成本高昂,而通過計(jì)算機(jī)技術(shù)進(jìn)行研究具有高效、低開銷等優(yōu)點(diǎn),因此成為這一領(lǐng)域的重要研究途徑。本文重點(diǎn)關(guān)注基于機(jī)器學(xué)習(xí),尤其是基于相似度的藥物-靶標(biāo)相互作用關(guān)系預(yù)測(cè)方法。這一領(lǐng)域當(dāng)下的研究熱點(diǎn)是如何開發(fā)新的預(yù)測(cè)方法使其具有較高的預(yù)測(cè)準(zhǔn)確性。在本文中,我們首先對(duì)現(xiàn)今較為經(jīng)典,同時(shí)預(yù)測(cè)效果較好的幾種基于機(jī)器學(xué)習(xí)的方法進(jìn)行了簡(jiǎn)要的回顧和比較。之后我們提出了一種全新的基于矩陣分解的機(jī)器學(xué)習(xí)方法——協(xié)同矩陣分解(Collaborative Matrix Factorization),并在統(tǒng)一的實(shí)驗(yàn)條件下與之前的方法進(jìn)行了預(yù)測(cè)性能的比較。實(shí)驗(yàn)結(jié)果表明,協(xié)同矩陣分解在12種實(shí)驗(yàn)設(shè)置中有9種都取得了最好的預(yù)測(cè)效果,展示了協(xié)同矩陣分解在藥物-靶標(biāo)蛋白關(guān)系預(yù)測(cè)中的突出優(yōu)勢(shì)。最后我們對(duì)通過協(xié)同矩陣分解預(yù)測(cè)得到的全新的藥物-靶標(biāo)蛋白匹配對(duì)在最新的數(shù)據(jù)庫中進(jìn)行了驗(yàn)證,結(jié)果表明,在20個(gè)新預(yù)測(cè)中有14個(gè)都得到了證實(shí),展示了協(xié)同矩陣分解的實(shí)際應(yīng)用價(jià)值。
[Abstract]:It is important to study the relationship between drug and target protein for drug development.The traditional chemical test methods are inefficient and expensive, but the research by computer technology has the advantages of high efficiency and low cost, so it becomes an important research approach in this field.This paper focuses on the prediction method of drug-target interaction based on machine learning, especially similarity.The current research focus in this field is how to develop new prediction methods to achieve high prediction accuracy.In this paper, we first briefly review and compare some methods based on machine learning, which are more classical and have good prediction effect.Then we propose a new machine learning method based on matrix factorization, collaborative Matrix factorization, and compare the prediction performance with the previous method under the unified experimental conditions.The experimental results show that 9 out of the 12 experimental settings have the best prediction effect and show the outstanding advantages of the cooperative matrix decomposition in the prediction of drug-target protein relationship.Finally, we verified the new drug-target protein matching pairs predicted by co-matrix decomposition in the latest database, and the results showed that 14 of the 20 new predictions were confirmed.The practical application value of cooperative matrix decomposition is demonstrated.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：R96;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 張浩;陳小清;;利用矩陣分解提取生物醫(yī)學(xué)文獻(xiàn)中潛在相關(guān)基因[J];醫(yī)學(xué)信息學(xué)雜志;2013年05期

2 王陳海;張魯閩;馬繼民;吳太虎;;基于奇異值矩陣分解的腕式示波法血壓測(cè)量算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年04期

3 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 王春江;錢若軍;王人鵬;楊聯(lián)萍;;矩陣分解在張力集成體系模態(tài)分析中的應(yīng)用[A];第九屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅰ卷[C];2000年

2 王春江;王人鵬;錢若軍;王穎;;矩陣分解技術(shù)在體系性態(tài)綜合分析中的初步應(yīng)用[A];“力學(xué)2000”學(xué)術(shù)大會(huì)論文集[C];2000年

相關(guān)博士學(xué)位論文 前5條

1 李英明;矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用[D];浙江大學(xué);2014年

2 趙科科;低秩矩陣分解的正則化方法與應(yīng)用[D];浙江大學(xué);2012年

3 郭亦鴻;利用穆勒矩陣分解定量測(cè)量各向異性介質(zhì)微觀結(jié)構(gòu)[D];清華大學(xué);2014年

4 胡惠軼;基于分解的系統(tǒng)辨識(shí)方法研究[D];江南大學(xué);2014年

5 陳根浪;基于社交媒體的推薦技術(shù)若干問題研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 秦曉暉;個(gè)性化微博推薦方法研究[D];華南理工大學(xué);2015年

2 劉鳳林;基于矩陣分解的協(xié)同過濾推薦算法研究[D];南京理工大學(xué);2015年

3 李源鑫;基于提升的信任融合矩陣分解推薦算法[D];福建師范大學(xué);2015年

4 陳洪濤;基于矩陣分解的常規(guī)與長(zhǎng)尾捆綁推薦的博弈研究[D];福建師范大學(xué);2015年

5 張濟(jì)龍;基于概率矩陣分解的推薦算法研究[D];燕山大學(xué);2015年

6 鄧志豪;基于物品相似度和主題回歸的矩陣分解推薦算法[D];浙江大學(xué);2015年

7 余露;利用矩陣分解算法建模數(shù)據(jù)稀疏環(huán)境下用戶協(xié)同行為[D];杭州師范大學(xué);2015年

8 倪澤明;混合用戶行為建模的概率矩陣分解推薦算法[D];浙江大學(xué);2015年

9 丁浩;基于協(xié)同矩陣分解的藥物靶標(biāo)相互作用關(guān)系預(yù)測(cè)[D];復(fù)旦大學(xué);2014年

10 牛明芝;唯一分解環(huán)上的矩陣分解[D];湖南科技大學(xué);2014年

，

本文編號(hào)：1764889