基于多标记学习预测药物-靶标相互作用

来源：计算机工程与应用杂志2017年第15期北京时间：

作者：彭利红1，刘海燕1，任日丽1，马 俊1，王建芬2

单位：1.长沙医学院 信息工程学院，长沙 410219；2.长沙医学院 药学院，长沙 410219

摘要：对药物-靶标关联进行了研究，提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML。通过与其他方法对比和数据库检索验证评估PDML模型的性能：与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比，除在核受体数据集中该方法在AUC上的性能比LapRLS略有降低之外，模型在敏感性、特异性、AUC和AUPR上的性能均优于其他四种方法；提取前5个预测分值最高的药物-靶标对，这些药物-靶标对能通过检索DrugBank、SuperTarget和KEGG数据库而得到验证。

关键词：药物-靶标相互作用,多标记学习,多信息融合,药物-靶标相互作用网络,药物相似性