VGAEDTI:基于变异推理和图形自编码器的药物向相互作用预测
Yuanyuan Zhang1, Yinfei Feng2, Mengjie Wu1
1Yinfei Feng Qingdao University of Technology, Qingdao, China.
一个新的模型,VGAEDTI,通过整合多来源数据,准确地预测药物向相互作用 (DTI). 这种方法通过揭示高维数据中隐藏的特征来增强药物开发和重新用途.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 药物发现 药物发现 药物发现
背景情况:
- 准确识别药物向相互作用 (DTI) 对药物开发和重新使用至关重要.
- 现有的方法往往无法利用多源数据或捕获复杂的源际关系.
- 在挖掘高维药物和目标数据以提高模型准确性和稳定性方面仍然存在挑战.
研究的目的:
- 为了解决当前DTI预测方法的局限性.
- 开发一种用于准确和强大的DTI预测的新型模型.
- 为了利用多源数据和先进的特征提取技术.
主要方法:
- 提出了一个名为VGAEDTI的新型预测模型.
- 构建了一个整合多种药物和目标数据源的异质网络.
- 使用变量图形自编码器 (VGAE) 进行特征表示学习和图形自编码器 (GAE) 进行标签传播.
主要成果:
- 与现有的六种DTI预测方法相比,VGAEDTI在两个公共数据集上显示出更高的预测准确度.
- 该模型有效地推断了药物和目标空间的特征表示.
- 实验结果验证了该模型在预测新型DTI方面的能力.
结论:
- VGAEDTI提供了一种有效的计算工具,可以加速药物发现和重新定位努力.
- 该模型的性能突显了整合多源数据和先进的自动编码器架构的好处.
- 这种方法为理解复杂的药物标关系提供了一个强大的框架.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Predicting Reaction Outcomes
Protein-protein Interfaces
End Point Prediction: Gran Plot
For potentiometric titration, the Gran plot is created by plotting...
Predicting Products: Substitution vs. Elimination
The following factors can influence the mechanisms competing against each other:
Quantitative Aspects of Drug-Receptor Interaction
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
