HAFMMDA:基于HIN2vec的注意力因子化机器,用于预测微生物与药物之间的关联
Bo Wang1,2, Junqi Wang3, Xiaoxin Du3,4
1College of Computer and Control Engineering, Qiqihar University, Qiqihar, 161006, Heilongjiang Province, China. bowangdr@qqhru.edu.cn.
这项研究引入了一种新的计算方法,HAFMMDA,用于预测微生物与药物之间的联系,加速药物发现. 该模型准确地识别了潜在的治疗微生物与药物关系,节省了时间和资源.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 微生物群落对于人类健康和药物发现至关重要.
- 传统的湿实验室方法研究微生物与药物相互作用是资源密集的.
- 计算方法对于预测微生物与药物之间的关联越来越重要.
研究的目的:
- 开发一种新的神经网络架构,用于预测微生物与药物之间的联系.
- 整合异构的生物数据,以提高预测准确度.
- 为了加速发现新的治疗微生物药物关系.
主要方法:
- 构建了一个异质网络,整合了微生物相似性,药物相似性以及已知的微生物与药物相互作用.
- 使用HIN2vec用于微生物-药物对的特征表示提取.
- 利用神经网络与因子化机器和注意力机制进行预测.
主要成果:
- 通过五倍交叉验证,获得了0.9805的优异曲线下面面积 (AUC) 评分.
- 与五种现有的基线方法相比,在统计学上有显著的改进.
- 成功地发现了经过验证的药物-微生物关联,并预测了新的关联.
结论:
- 该HAFMMDA模型有效地预测了微生物与药物之间的关联.
- 这种方法提供了一个强大的工具,用于识别新的治疗点.
- 这些发现突显了计算方法在药物发现和微生物组研究中的潜力.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
相关概念视频
Predicting Reaction Outcomes
Factors Affecting Drug Response: Overview
Model Approaches for Pharmacokinetic Data: Distributed Parameter Models
The distributed parameter models are specifically designed to account for variations and differences in some drug classes. This model is particularly useful for assessing regional concentrations of anticancer or...
Estimation of k and VD of Aminoglycosides
Pharmacogenomics: Identification of New Drug Targets
Pharmacodynamic Models: Additive and Proportional Drug Effect Model
