「论文翻译」NeoDTI: neural integration of neighbor information from a HeteroN for discovering new DTIs
Bioinformaties 2018 (B类) 文章目录 Abstract Introduction 2 Materials and methods 2.1 Problem formulation 2.2 The workflow of NeoDTI 3 Results 3.1 Datasets 3.2 NeoDTI yields superior performance in predicting new drug–target interactions 3.3 Robustness of NeoDTI 3.4 NeoDTI reveals novel DTIs with literature supports 4 Conclusion Abstract Motivation: 在计算机上准确预测药物-靶标相互作用(DTI)可以指导药物发现过程,从而促进药物开发。 采用系统生物学观点的DTI预测计算方法通常采用以下原理:药物和靶标的特性可以通过其在生物网络中的功能角色来表征。 Results:受信息传递和聚合技术的最新发展的启发,这些技术可以使卷积神经网络通用化以挖掘大规模图数据并大大提高许多与网络相关的预测任务的性能,我们开发了一种新的非线性端到端学习模型,称为NeoDTI,可整合来自异构网络数据的各种信息,并自动学习保留药物和靶标的拓扑结构表示,以促进DTI预测