• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

药物靶标作用关系预测结果评价及查询验证

余冬华, 郭茂祖, 刘晓燕, 程爽

余冬华, 郭茂祖, 刘晓燕, 程爽. 药物靶标作用关系预测结果评价及查询验证[J]. 计算机研究与发展, 2019, 56(9): 1881-1888. DOI: 10.7544/issn1000-1239.2019.20180830
引用本文: 余冬华, 郭茂祖, 刘晓燕, 程爽. 药物靶标作用关系预测结果评价及查询验证[J]. 计算机研究与发展, 2019, 56(9): 1881-1888. DOI: 10.7544/issn1000-1239.2019.20180830
shu
Yu Donghua, Guo Maozu, Liu Xiaoyan, Cheng Shuang. Predicted Results Evaluation and Query Verification of Drug-Target Interaction[J]. Journal of Computer Research and Development, 2019, 56(9): 1881-1888. DOI: 10.7544/issn1000-1239.2019.20180830
Citation: Yu Donghua, Guo Maozu, Liu Xiaoyan, Cheng Shuang. Predicted Results Evaluation and Query Verification of Drug-Target Interaction[J]. Journal of Computer Research and Development, 2019, 56(9): 1881-1888. DOI: 10.7544/issn1000-1239.2019.20180830
shu
余冬华, 郭茂祖, 刘晓燕, 程爽. 药物靶标作用关系预测结果评价及查询验证[J]. 计算机研究与发展, 2019, 56(9): 1881-1888. CSTR: 32373.14.issn1000-1239.2019.20180830
引用本文: 余冬华, 郭茂祖, 刘晓燕, 程爽. 药物靶标作用关系预测结果评价及查询验证[J]. 计算机研究与发展, 2019, 56(9): 1881-1888. CSTR: 32373.14.issn1000-1239.2019.20180830
shu
Yu Donghua, Guo Maozu, Liu Xiaoyan, Cheng Shuang. Predicted Results Evaluation and Query Verification of Drug-Target Interaction[J]. Journal of Computer Research and Development, 2019, 56(9): 1881-1888. CSTR: 32373.14.issn1000-1239.2019.20180830
Citation: Yu Donghua, Guo Maozu, Liu Xiaoyan, Cheng Shuang. Predicted Results Evaluation and Query Verification of Drug-Target Interaction[J]. Journal of Computer Research and Development, 2019, 56(9): 1881-1888. CSTR: 32373.14.issn1000-1239.2019.20180830
shu

药物靶标作用关系预测结果评价及查询验证

  • 1(哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001)

  • 2(北京建筑大学电气与信息工程学院 北京 100044)

  • 3(建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京 100044)

  • 4(中国工程物理研究院材料所 四川绵阳 621900) (donghuayu@hit.edu.cn)

基金项目: 国家自然科学基金项目(61871020，61571164，61671189)；北京市教委科技计划重点项目(KZ201810016019)；北京建筑大学市属高校基本科研业务费专项资金(X18197，X18198，X18203)
详细信息

  • 中图分类号: TP391

Predicted Results Evaluation and Query Verification of Drug-Target Interaction

  • 1(School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001)

  • 2(School of Electrical and Information Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044)

  • 3(Beijing Key Laboratory of Intelligent Processing for Building Big Data, Beijing 100044)

  • 4(Institute of Materials, China Academy of Engineering Physics, Mianyang, Sichuan 621900)

Funds: This work was supported by the National Natural Science Foundation of China (61871020, 61571164, 61671189), the Scientific Research Key Project of Beijing Educational Committee (KZ201810016019), and the Special Funds for Basic Research Business in Municipal Universities of Beijing Architectural University (X18197, X18198, X18203).

HTML全文

    摘要
  • 摘要: 药物靶标作用关系预测是一种重要的辅助药物研发手段，而生物实验验证药物靶标作用关系耗钱耗时，因此，在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库，利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check)，实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能，并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907，766，458，40对.此外，结合DTcheck查询验证，以BLM(bipartite local models)方法为例分析了预测结果的评价问题，结果表明，采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理，且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.
    Abstract: The drug-target interaction prediction is one of the important assistant approaches in drug discovery and design, however, experimental identification and validation of potential drug-target encoded by the human genome is both costly and time-consuming. Therefore, querying and validating the predicted drug-target interaction in databases is an important assessment of prediction methods. In this paper, the query and validation method of drug-target interaction named as DTcheck (drug-target check) is developed and designed with Web spider based on KEGG, DrugBank, ChEMBL databases, which realizes efficient query and validation function for drug-target pair providing both KEGG DRUG ID and KEGG GENES ID. ID mapping function is also designed in DTcheck, which can map Uniprot ID from DrugBank and ChEMBL into KEGG GENE ID. DTcheck expands 907, 766, 458, 40 pairs of new drug-target interaction for Enzyme, IC (ion channel), GPCR (G-protein-coupled receptor), NR (nuclear receptor) standard datasets, respectively. Moreover, combined with query and validation result, the analysis of the prediction results of the BLM (bipartite local models) method shows that evaluation of Top N is more reasonable than AUC (area under curve) value for the prediction method of drug-target interaction. It also shows that the BLMd method with low AUC value is superior to the BLMmax method with high AUC value in predicting the drug-target interaction.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(63)

  • 期刊类型引用(30)

    1. 马超红，郝新丽，孟小峰，张旭康. 机器学习赋能的多维数据查询处理研究综述. 计算机学报. 2025(01): 100-123 . 百度学术
    2. 姜璐璐，高锦涛. 面向机器学习的数据库参数调优技术综述. 计算机工程与应用. 2024(03): 1-16 . 百度学术
    3. 刘帅，乔颖，罗雄飞，赵怡婧，王宏安. 时序数据库关键技术综述. 计算机研究与发展. 2024(03): 614-638 . 本站查看
    4. 赖思超，吴小莹，彭煜玮，彭智勇. 数据库索引调优技术综述. 计算机研究与发展. 2024(04): 929-954 . 本站查看
    5. 朱镕佳，杨宇轩，李振东，陈硕，唐朝阳，唐晓雨. 基于树莓派的智能零售系统设计. 现代信息科技. 2024(19): 189-192+198 . 百度学术
    6. 蔡盼，张少敏，刘沛然，孙路明，李翠平，陈红. 智能数据库学习型索引研究综述. 计算机学报. 2023(01): 51-69 . 百度学术
    7. 曹蓉，鲍亮，崔江涛，李辉，周恒. 数据库系统参数调优方法综述. 计算机研究与发展. 2023(03): 635-653 . 本站查看
    8. 杨荣利，王伟，杨栋，周东阳. 基于两因素模糊时间序列的一次风机指标预测. 电子设计工程. 2023(07): 91-94+99 . 百度学术
    9. 唐楚哲 ，王肇国 ，陈海波 . 机器学习方法赋能系统软件：挑战、实践与展望. 计算机研究与发展. 2023(05): 964-973 . 本站查看
    10. 张政，段怡，高志峰，张欢. 机器学习在手术中液体治疗的应用. 中国数字医学. 2023(07): 81-85 . 百度学术
    11. 杜维柱，张晓华，卢毅，王书渊，沈彦伶. 基于机器学习与数值预报技术的电网短期临近气象预警模型设计. 电子设计工程. 2023(19): 99-103 . 百度学术
    12. 曹卫东，金超. 基于birch聚类的可更新机器学习索引模型. 计算机工程与设计. 2023(11): 3328-3334 . 百度学术
    13. 王鹏. “智慧工会”实现路径. 科技资讯. 2022(02): 10-12 . 百度学术
    14. 张静，农昌瑞，张海兵，张亚周. 基于深度学习的发动机叶片故障检测技术. 航空发动机. 2022(01): 68-75 . 百度学术
    15. 孟小峰，余艳. 在跨学科交叉融合中深发展社会计算与社会智能. 计算机科学. 2022(04): 3-8 . 百度学术
    16. 欧群雍，谭同德，冯学晓. 基于机器学习的软件定义网络数据流子序列匹配算法. 国外电子测量技术. 2022(04): 70-76 . 百度学术
    17. 杜清华，张凯. 一种高效的跨平台工作流优化方法. 计算机工程. 2022(07): 13-21+28 . 百度学术
    18. 姬莉霞，赵耀，马郑祎，赵润哲，张晗. 基于iForest-BiLSTM-Attention的数据库负载预测方法. 郑州大学学报(理学版). 2022(06): 66-73 . 百度学术
    19. 张洲，金培权，谢希科. 学习索引:现状与研究展望. 软件学报. 2021(04): 1129-1150 . 百度学术
    20. 潘璇，徐思涵，蔡祥睿，温延龙，袁晓洁. 基于深度学习的数据库自然语言接口综述. 计算机研究与发展. 2021(09): 1925-1950 . 本站查看
    21. 蒙芳，翟建丽. 学习行为大数据可视化的网络数据库学习仿真. 计算机仿真. 2021(09): 216-220 . 百度学术
    22. 陈镭. 基于机器学习的数据库系统自动调参研究. 软件导刊. 2021(11): 148-151 . 百度学术
    23. 崔栋，温巧燕，张华，王华伟. QML：一种混合空间索引结构. 通信学报. 2021(12): 1-16 . 百度学术
    24. 陶镇威. 基于机器学习的Oracle数据库故障预测技术探索. 现代工业经济和信息化. 2020(02): 70-71 . 百度学术
    25. 桂树强，周实，张家季，耿欣. 基于BIM的轨道交通项目管理框架体系研究与实践. 人民长江. 2020(03): 147-152 . 百度学术
    26. 宋雨萌，谷峪，李芳芳，于戈. 人工智能赋能的查询处理与优化新技术研究综述. 计算机科学与探索. 2020(07): 1081-1103 . 百度学术
    27. 陈珂锐，孟小峰. 机器学习的可解释性. 计算机研究与发展. 2020(09): 1971-1986 . 本站查看
    28. 唐吉深，覃少华. 大型数据库重复记录检测与优化研究. 现代电子技术. 2020(17): 77-81 . 百度学术
    29. 蔡洪浩，罗应华，张荣鑫，杨喻淳. 基于机器学习的智能光电对抗系统. 电子技术与软件工程. 2020(13): 79-80 . 百度学术
    30. 陶姿邑. 基于深度学习的数据库重复记录检测算法. 微型电脑应用. 2020(12): 174-176 . 百度学术

    其他类型引用(33)

    • 资源附件(0)
计量
  • 文章访问数:  1247
  • HTML全文浏览量:  4
  • PDF下载量:  504
  • 被引次数: 63
出版历程
  • 发布日期:  2019-08-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(63)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计