排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
目的 建立一个高效的药物-靶标相互作用预测分类模型,为生物实验提供有力的补充工具。方法 研究开发一种基于深度学习的方法来预测药物-靶标相互作用:通过引入高维分子指纹和蛋白质描述符,并应用概率矩阵分解算法生成负样本集,构建一个高效的药物-靶标相互作用预测分类模型。结果 与其他已报道的方法相比,本方法具有可比性或优越性,预测准确性、特异性、敏感性以及AUC值均>90%,提示该方法在药物靶标预测方面具有良好的应用前景。结论 人工智能深度学习模型以及概率矩阵分解算法的结合有助于解决药物-靶标相互作用预测精度低、负样本选择不合理等问题。 相似文献
1