Computational drug repositioning based on multi-similarities bilinear matrix factorization

矩阵分解 计算机科学 双线性插值 成对比较 非负矩阵分解 特征(语言学) 药物发现 相似性(几何) 数据挖掘 药物开发 基质(化学分析) 人工智能 药品 算法 模式识别(心理学) 机器学习 药物重新定位 生物信息学 图像(数学) 医学 材料科学 复合材料 精神科 特征向量 哲学 物理 生物 量子力学 语言学 计算机视觉
作者
Mengyun Yang,Gaoyan Wu,Qichang Zhao,Yaohang Li,Jianxin Wang
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:22 (4) 被引量:19
标识
DOI:10.1093/bib/bbaa267
摘要

With the development of high-throughput technology and the accumulation of biomedical data, the prior information of biological entity can be calculated from different aspects. Specifically, drug-drug similarities can be measured from target profiles, drug-drug interaction and side effects. Similarly, different methods and data sources to calculate disease ontology can result in multiple measures of pairwise disease similarities. Therefore, in computational drug repositioning, developing a dynamic method to optimize the fusion process of multiple similarities is a crucial and challenging task. In this study, we propose a multi-similarities bilinear matrix factorization (MSBMF) method to predict promising drug-associated indications for existing and novel drugs. Instead of fusing multiple similarities into a single similarity matrix, we concatenate these similarity matrices of drug and disease, respectively. Applying matrix factorization methods, we decompose the drug-disease association matrix into a drug-feature matrix and a disease-feature matrix. At the same time, using these feature matrices as basis, we extract effective latent features representing the drug and disease similarity matrices to infer missing drug-disease associations. Moreover, these two factored matrices are constrained by non-negative factorization to ensure that the completed drug-disease association matrix is biologically interpretable. In addition, we numerically solve the MSBMF model by an efficient alternating direction method of multipliers algorithm. The computational experiment results show that MSBMF obtains higher prediction accuracy than the state-of-the-art drug repositioning methods in cross-validation experiments. Case studies also demonstrate the effectiveness of our proposed method in practical applications. Availability: The data and code of MSBMF are freely available at https://github.com/BioinformaticsCSU/MSBMF. Corresponding author: Jianxin Wang, School of Computer Science and Engineering, Central South University, Changsha, Hunan 410083, P. R. China. E-mail: jxwang@mail.csu.edu.cn Supplementary Data: Supplementary data are available online at https://academic.oup.com/bib.
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
Ricky发布了新的文献求助10
2秒前
皮皮虾完成签到,获得积分10
3秒前
Russell完成签到 ,获得积分10
4秒前
nusiew完成签到,获得积分10
5秒前
mailgo完成签到,获得积分10
7秒前
Ricky完成签到,获得积分10
10秒前
我就想看看文献完成签到 ,获得积分10
10秒前
海丽完成签到 ,获得积分10
12秒前
zenabia完成签到 ,获得积分10
13秒前
yihuifa完成签到 ,获得积分10
16秒前
不安的晓灵完成签到 ,获得积分10
21秒前
尹沐完成签到 ,获得积分10
22秒前
自然亦竹完成签到,获得积分10
22秒前
等待香寒完成签到 ,获得积分10
23秒前
courage完成签到 ,获得积分10
25秒前
乐乐应助黑球采纳,获得10
27秒前
Jasper应助阳光的傲儿采纳,获得10
28秒前
刘秀完成签到 ,获得积分10
31秒前
王一生完成签到,获得积分10
34秒前
伯爵完成签到 ,获得积分10
37秒前
39秒前
41秒前
缓慢的绿草完成签到,获得积分10
41秒前
42秒前
元神完成签到 ,获得积分10
43秒前
44秒前
FashionBoy应助甜甜晓露采纳,获得10
50秒前
忆韶完成签到,获得积分10
50秒前
圆圆酱完成签到 ,获得积分10
51秒前
小不完成签到 ,获得积分10
53秒前
wp4455777完成签到,获得积分10
57秒前
思源应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
sunzhou2008完成签到,获得积分10
1分钟前
雷锋完成签到 ,获得积分10
1分钟前
聪慧语山完成签到 ,获得积分10
1分钟前
和平使命应助请叫我鬼才采纳,获得10
1分钟前
golfgold完成签到,获得积分10
1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? 2709891
关于积分的说明 7418319
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246122
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