半空间近距离网络 (HSPNs):多查询相似性搜索模型的代理,预测瘤指向的化物.
Maylin Romero1, Yovani Marrero-Ponce2,3,4, Felix Martinez-Rios2
1School of Chemical Sciences and Engineering, Yachay Tech University, Hda. San José s/n y Proyecto Yachay, Urcuquí 100119, Ecuador.
ACS omega
|November 24, 2025
概括
使用网络科学的一种新型机器学习方法有效地预测瘤指向 (THPs). 这种方法超越了现有的方法,为癌症治疗应用识别THP提供了可靠的工具.
科学领域:
- 计算化学是一种计算化学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 瘤定位 (THPs) 对于向癌症疗法至关重要.
- 开发准确的THP识别方法对于推进癌症治疗至关重要.
研究的目的:
- 提出一种新的,未经训练的机器学习 (ML) 方法来预测THPs.
- 为了利用网络科学和多查询相似性,寻找增强的THP识别.
主要方法:
- 使用半空间近接网络 (HSPN) 来表示THPs的化学空间.
- 采用中心性测量来识别相似性搜索的重要THP.
- 开发了基于多查询相似性的搜索模型 (MQSSMs),使用已识别的THP作为查询.
主要成果:
- 从HSPNs (THP2) 衍生出的MQSSM显示出比经典的化学空间网络 (THP1) 更优异的性能.
- 在使用CSN和HSPN衍生查询的MQSSM (THP3) 实现了特殊的性能 (MCC>0.887).
- 拟议的模型 (THP3) 超过了最先进的监督ML方法和现有的THP预测服务器.
结论:
- 基于网络的相似性搜索对于识别THP非常有效和可靠.
- 开发的ML方法为癌症治疗的THP预测提供了显著的进步.
- 这项研究强调了网络科学在药物发现和开发中的潜力.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.6K
06:51Dual-modality Molecular Cartography: Integrating Multiplex mRNA Detection with Protein Imaging Mass Cytometry
Published on: November 14, 2025
261
