PPAEDTI: Personalized Propagation Auto-Encoder Model for Predicting Drug-Target Interactions

计算机科学 编码器 人工智能 药品 医学 操作系统 精神科
作者
Yue-Chao Li,Zhu‐Hong You,Chang-Qing Yu,Lei Wang,Leon Wong,Lun Hu,Pengwei Hu,Yuan Huang
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:27 (1): 573-582 被引量:8
标识
DOI:10.1109/jbhi.2022.3217433
摘要

Identifying protein targets for drugs establishes an indispensable knowledge foundation for drug repurposing and drug development. Though expensive and time-consuming, vitro trials are widely employed to discover drug targets, and the existing relevant computational algorithms still cannot satisfy the demand for real application in drug R&D with regards to the prediction accuracy and performance efficiency, which are urgently needed to be improved. To this end, we propose here the PPAEDTI model, which uses the graph personalized propagation technique to predict drug-target interactions from the known interaction network. To evaluate the prediction performance, six benchmark datasets were used for testing with some state-of-the-art methods compared. As a result, using the 5-fold cross-validation, the proposed PPAEDTI model achieves average AUCs>90% on 5 collected datasets. We also manually checked the top-20 prediction list for 2 proteins (hsa:775 and hsa:779) and a kind of drug (D00618), and successfully confirmed 18, 17, and 20 items from the public datasets, respectively. The experimental results indicate that, given known drug-target interactions, the PPAEDTI model can provide accurate predictions for the new ones, which is anticipated to serve as a useful tool for pharmacology research. Using the proposed model that was trained with the collected datasets, we have built a computational platform that is accessible at http://120.77.11.78/PPAEDTI/ and corresponding codes and datasets are also released.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
TTDY完成签到 ,获得积分10
刚刚
J陆lululu完成签到 ,获得积分10
1秒前
yuyu完成签到 ,获得积分10
3秒前
没用的三轮完成签到,获得积分10
4秒前
番茄小超人2号完成签到 ,获得积分10
5秒前
小马甲应助科研通管家采纳,获得10
6秒前
思源应助科研通管家采纳,获得10
6秒前
Singularity应助科研通管家采纳,获得10
6秒前
心想事成完成签到 ,获得积分10
8秒前
Diaory2023完成签到 ,获得积分10
9秒前
娇娇大王完成签到,获得积分10
10秒前
戈戈唔完成签到 ,获得积分10
21秒前
火箭Lucky完成签到 ,获得积分10
28秒前
平常向雪完成签到 ,获得积分10
34秒前
子非鱼完成签到 ,获得积分10
38秒前
感性的神级完成签到,获得积分10
39秒前
蓝绝完成签到 ,获得积分10
41秒前
digger2023完成签到 ,获得积分10
1分钟前
小竹完成签到 ,获得积分10
1分钟前
纷纭完成签到,获得积分10
1分钟前
ihonest完成签到,获得积分10
1分钟前
取法乎上完成签到 ,获得积分10
1分钟前
实力不允许完成签到 ,获得积分10
1分钟前
研友_8KXkJL完成签到 ,获得积分10
1分钟前
Aixia完成签到 ,获得积分10
1分钟前
LuciusHe完成签到,获得积分10
1分钟前
chichenglin完成签到 ,获得积分10
1分钟前
kais完成签到 ,获得积分10
1分钟前
谦让月饼完成签到 ,获得积分10
1分钟前
zmx完成签到 ,获得积分10
1分钟前
每天学习一点点完成签到 ,获得积分10
1分钟前
lyp完成签到 ,获得积分10
1分钟前
yugongjie完成签到 ,获得积分10
1分钟前
满意的雪枫完成签到 ,获得积分10
1分钟前
科研通AI2S应助李冲肖采纳,获得10
1分钟前
感动尔柳完成签到 ,获得积分20
2分钟前
isedu完成签到,获得积分10
2分钟前
LT完成签到 ,获得积分10
2分钟前
小二郎应助科研通管家采纳,获得10
2分钟前
勤恳的TT完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921