DeepVir——用于“计算机模拟”抗病毒重定位的图深度矩阵分解：在 COVID-19 上的应用
机器学习
2020-09-23 v1 机器学习
摘要
本工作将抗病毒重定位表述为一个矩阵补全问题，其中抗病毒药物沿行排列，病毒沿列排列。输入矩阵部分填充，在抗病毒药物已知对某一病毒有效位置处为 1。抗病毒药物（化学结构与通路）和病毒（基因组结构与症状）的精选元数据作为图拉普拉斯正则化编码到我们的矩阵补全框架中。然后我们将所得的多图正则化矩阵补全问题构建为深度矩阵分解。这通过使用一种称为 HyPALM（混合近端交替线性化最小化）的新颖优化方法求解。在我们精选的 RNA 药物-病毒关联（DVA）数据集上的结果表明，所提方法优于最先进的图正则化矩阵补全技术。当应用于 COVID-19 的“计算机模拟”抗病毒预测时，我们的方法返回的抗病毒药物要么用于治疗患者，要么正在针对该疾病进行临床试验。
引用
@article{arxiv.2009.10333,
title = {DeepVir -- Graphical Deep Matrix Factorization for "In Silico" Antiviral Repositioning: Application to COVID-19},
author = {Aanchal Mongia and Stuti Jain and Emilie Chouzenoux and Angshul Majumda},
journal= {arXiv preprint arXiv:2009.10333},
year = {2020}
}