计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
4期
177-180
,共4页
离子通道%随机森林%药物靶点%分类器%集成学习
離子通道%隨機森林%藥物靶點%分類器%集成學習
리자통도%수궤삼림%약물파점%분류기%집성학습
Ion channel%Random forests%Drug targets%Classifiers%Ensemble learning
新药研制成功的关键在于药物靶点的发现和准确定位.在已知的药物靶点中,离子通道蛋白是一类广受欢迎的靶点,它与免疫系统、心血管等疾病密切相关.对于靶点的发现,传统生物方法成本高、耗时久.因此,探讨了基于机器学习的离子通道蛋白药物靶点的挖掘,以加快药物靶点发现过程,节约经费.由于药物靶点相关序列的长度不一致,考虑了蛋白质序列编码的13种特征,它们能将不等长的蛋白质序列转化成等长序列.通过数值实验筛选能够较好地区分靶点和非靶点的特征子集,并采用集成学习的方法整合特征得到预测模型.通过与已有工作的比较表明,提出的集成模型能得到较高的准确率,具有很好的应用前景.
新藥研製成功的關鍵在于藥物靶點的髮現和準確定位.在已知的藥物靶點中,離子通道蛋白是一類廣受歡迎的靶點,它與免疫繫統、心血管等疾病密切相關.對于靶點的髮現,傳統生物方法成本高、耗時久.因此,探討瞭基于機器學習的離子通道蛋白藥物靶點的挖掘,以加快藥物靶點髮現過程,節約經費.由于藥物靶點相關序列的長度不一緻,攷慮瞭蛋白質序列編碼的13種特徵,它們能將不等長的蛋白質序列轉化成等長序列.通過數值實驗篩選能夠較好地區分靶點和非靶點的特徵子集,併採用集成學習的方法整閤特徵得到預測模型.通過與已有工作的比較錶明,提齣的集成模型能得到較高的準確率,具有很好的應用前景.
신약연제성공적관건재우약물파점적발현화준학정위.재이지적약물파점중,리자통도단백시일류엄수환영적파점,타여면역계통、심혈관등질병밀절상관.대우파점적발현,전통생물방법성본고、모시구.인차,탐토료기우궤기학습적리자통도단백약물파점적알굴,이가쾌약물파점발현과정,절약경비.유우약물파점상관서렬적장도불일치,고필료단백질서렬편마적13충특정,타문능장불등장적단백질서렬전화성등장서렬.통과수치실험사선능구교호지구분파점화비파점적특정자집,병채용집성학습적방법정합특정득도예측모형.통과여이유공작적비교표명,제출적집성모형능득도교고적준학솔,구유흔호적응용전경.
