检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 医学
- 1 篇 中西医结合
- 1 篇 药学(可授医学、理...
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 元路径
1 篇 多种药物-疾病异构...
1 篇 卷积自动编码器
1 篇 药物-疾病关联预测...
1 篇 图卷积神经网络
1 篇 卷积神经网络

机构

1 篇 黑龙江大学

作者

1 篇 陆子璇

语言

1 篇 中文

检索条件"主题词=多种药物-疾病异构网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多层面信息整合的药物重定位方法研究

基于多层面信息整合的药物重定位方法研究

引用

作者：陆子璇黑龙江大学

学位级别：硕士

新药的研发过程是一段极为消耗时间和成本的过程并且失败率很高。因此,确定现有药物的新适应症(药物重定位)可有效促进药物开发效率,降低实验研发的成本。然而,如何更加准确高效的预测药物与疾病之间的关联是我们所要研究的重点内容。目... 详细信息

新药的研发过程是一段极为消耗时间和成本的过程并且失败率很高。因此,确定现有药物的新适应症(药物重定位)可有效促进药物开发效率,降低实验研发的成本。然而,如何更加准确高效的预测药物与疾病之间的关联是我们所要研究的重点内容。目前,已有的药物重定位方法都侧重于有关药物和疾病的多源数据,并未考虑不同层面的信息之间的联系。本文通过针对药物和疾病的不同层面的信息进行学习和构建模型,其中包括药物和疾病节点对层面的节点属性信息、异构网层面的全局拓扑信息以及整合异构网层面的邻居拓扑信息和节点对层面的属性信息。我们分别提出了三种深度学习模型基于不同层面的信息来进行药物-疾病关联预测。与先前方法的对比实验表明,我们提出的三种方法都达到了最佳预测性能。我们的主要工作如下:(1)基于卷积自动编码器的药物与疾病关联预测方法在这部分研究中,对于药物和疾病节点对层面的节点属性信息,一种基于卷积自动编码器的预测方法(PAPred)被提出,用来提取和整合多种相似性和关联并对嵌入表示进行编码,以预测药物的相关候选疾病。首先,利用药物相关的化学子结构、蛋白的结构域和蛋白基因本体数据以及疾病特征数据分别构建了三个药物网络和疾病网络。节点对的属性嵌入策略是通过基于相似性层面的注意力的多个药物网络、疾病网络和药物-疾病关联信息提取了节点特征,并基于药物和疾病有关的生物学前提嵌入得到的。相似性层面的注意力可以为多个药物网络中节点的特征向量自适应的分配相应的权重,以有效地融合药物节点的多种相似性特征。最后,通过卷积自动编码器学习得到节点对的属性编码并使用分类器来获取药物与疾病关联预测的得分。在公共数据集上实验结果表明,PAPred的性能比其它几种较新的药物-疾病关联预测模型更好。此外,五种药物的案例研究进一步验证了PAPred发现有潜力的药物相关候选疾病的能力。(2)基于多路图卷积神经网络预测药物相关的疾病的方法在这一部分中,本文对药物和疾病节点异构网层面的全局拓扑信息进行了研究,并提出了一种基于多路图卷积神经网络的药物相关的疾病预测模型,GTPred。首先,利用从三种不同角度建立的药物网络和药物-疾病关联信息分别与疾病网络共同构建了三个药物-疾病异构网络。然后,多路的图卷积神经网络模型被建立,同时从不同的药物-疾病异构网络中分别提取不同的药物和疾病节点的全局拓扑表示矩阵。此外,基于不同来源的全局拓扑表示对药物-疾病关联预测的贡献不同,本文还提出了全局拓扑层面的注意力机制来学习药物和疾病节点的全局拓扑表示的增强矩阵。最后,利用了联合训练的方式使模型的嵌入表示学习保持一致,分类器预测出潜在的与药物相关的候选疾病。对比实验的结果显示,GTPred在AUC方面和AUPR方面都比其它几种对比方法有着更优越的性能,对药物相关的疾病的预测会更准确。另外,在五种药物的案例研究进一步证明,GTPred有能力发现具有潜力的药物相关候选疾病。(3)整合基于元路径的邻居拓扑和节点属性的药物与疾病关联预测方法本文在这一部分对整合异构网层面的邻居拓扑信息和节点对层面的属性信息进行了研究,从而提出了基于元路径的双重注意力机制和卷积神经网络的模型与基于卷积自动编码器的模型联合组成的双分支模型预测方法,NAPred。首先,使用了和GTPred相同的策略,利用从不同角度提取的与药物和疾病相关的相似性和关联构建了三个药物-疾病异构网络。然后,我们在一对药物和疾病之间提取了两个层次的表征,包括学习了多个邻居之间拓扑结构关系的元路径级别的邻居拓扑表征,以及揭示了常见的药物和疾病相关的数据源之间的潜在关系的节点对属性表征。邻居拓扑表征是通过多尺度的元路径、全连接神经网络和双重注意力机制分别从多种药物-疾病异构网络中获取的,并使用卷积神经网络进行了编码,以表示一对药物-疾病之间隐含的邻居拓扑结构关系。新的邻居尺度层面和邻居拓扑层面的注意力机制,以分别区分不同尺度的邻居特征和拓扑结构对药物-疾病预测的不同贡献。节点对属性表征是利用嵌入策略从多种药物-疾病异构网络中获取的,再由卷积自动编码器建模对药物-疾病对的属性信息进行编码。最后,通过对来自两个分支的预测分值进行加权求和得到最终的药物-疾病关联预测得分。实验结果表明,NAPred在多个评估标准和案例研究分析的结果中都取得了最好的表现,优于六种最先进的药物-疾病预测模型。

关键词：药物-疾病关联预测多种药物-疾病异构网络卷积自动编码器图卷积神经网络元路径卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：