使用多视图张量学习和潜伏语义学习框架准确预测毒性及其功能
Ke Yan1,2, Shutao Chen1, Bin Liu1,2,3
1School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China.
Bioinformatics (Oxford, England)
|September 4, 2025
概括
鉴定有毒对于药物开发至关重要. ToxPre-2L是一种新的计算工具,可以准确预测的毒性,并对它们的多重功能进行分类,从而提高治疗的安全性.
科学领域:
- 计算生物学
- 药理学
- 生物信息学
背景情况:
- 治疗性对于疾病治疗和药物发现至关重要.
- 类毒性在类药物治疗中是一个重大挑战.
- 需要有效的计算方法来识别有毒.
研究的目的:
- 开发一种用于预测毒性的计算方法.
- 将毒性分为多功能类型.
- 解决在后基因组时代识别有毒的挑战.
主要方法:
- 开发了一个两级预测器,ToxPre-2L,使用多视图张量学习和潜伏语义学习.
- 使用多标签学习与特征诱导的标签来管理信息冗余.
- 使用低级约束学习来捕捉多标签之间的相关性.
主要成果:
- 与现有的计算方法相比,ToxPre-2L显示出更高的性能.
- 该预测器准确地识别了毒性.
- 有效地分类多功能毒性.
结论:
- ToxPre-2L提供了一个有效的计算方法来预测毒性.
- 该方法有助于识别和分类多功能毒性.
- 提高治疗的安全性和发展.


