DTI-SNNFRA：基于共享最近邻与模糊粗糙近似的药物-靶点相互作用预测
机器学习
2021-02-23 v3 定量方法
摘要
可重定位药物的计算机预测是一种有效的药物发现策略，它补充了从零开始的从头药物发现。缩短的开发时间、更低的成本以及无严重副作用是使用药物重定位的显著优势。最新且最先进的人工智能（AI）方法极大地提升了药物重定位的吞吐量与准确性。然而，随着药物、靶点数量的增长及其海量相互作用产生了不平衡数据，这可能不适合直接作为分类模型的输入。在此，我们提出了 DTI-SNNFRA，一种基于共享最近邻（SNN）与模糊粗糙近似（FRA）的预测药物-靶点相互作用（DTI）的框架。它使用采样技术来共同缩减覆盖现有药物、靶点及它们之间数百万相互作用的庞大搜索空间。DTI-SNNFRA 分两个阶段运行：首先，它使用 SNN 随后进行划分聚类以对搜索空间采样。接下来，它计算模糊粗糙近似的程度，并从第一阶段获得的药物与靶点之间所有可能相互作用对中为负样本欠采样选择合适的程度阈值。最后，使用正样本与选定的负样本进行分类。我们使用 AUC（ROC 曲线下面积）、几何均值和 F1 分数评估了 DTI-SNNFRA 的效能。该模型表现极为出色，ROC-AUC 的预测得分高达 0.95。预测的药物-靶点相互作用通过现有药物-靶点数据库（Connectivity Map (Cmap)）进行了验证。
引用
@article{arxiv.2009.10766,
title = {DTI-SNNFRA: Drug-Target interaction prediction by shared nearest neighbors and fuzzy-rough approximation},
author = {Sk Mazharul Islam and Sk Md Mosaddek Hossain and Sumanta Ray},
journal= {arXiv preprint arXiv:2009.10766},
year = {2021}
}