勘误：利用相似性指标在药物-靶标相互作用网络中进行链接预测
人工智能
2017-11-02 v1
摘要
背景：计算机辅助药物-靶标相互作用（DTI）预测在药物重定位（即为现有药物发现新用途）中发挥着不可或缺的作用。药物重定位的一种流行方法是基于网络的 DTI 预测，它利用复杂网络理论从药物-靶标网络中预测 DTI。目前，大多数基于网络的 DTI 预测都基于机器学习方法，如受限玻尔兹曼机（RBM）或支持向量机（SVM）。这些方法需要关于药物、靶标和 DTI 特征的额外信息，例如化学结构、基因组序列、结合类型、相互作用原因等，而当此类信息不可用时，其表现不尽如人意。我们提出了一种新的替代性 DTI 预测方法，仅利用网络拓扑信息，试图解决此问题。结果：我们将我们的 DTI 预测方法与著名的 RBM 方法进行比较。我们表明，当应用于 MATADOR 数据库时，在缺乏 DTI 类型相关信息的情况下，我们基于节点邻域的方法对于高排名预测比 RBM 具有更高的精度。结论：这表明，在现实生活中的许多情况下，当关于药物、靶标或其相互作用的特征几乎没有或完全没有先验知识时，纯粹基于网络拓扑的方法为 DTI 预测提供了更合适的途径。
引用
@article{arxiv.1711.00150,
title = {Erratum: Link prediction in drug-target interactions network using similarity indices},
author = {Yiding Lu and Yufan Guo and Anna Korhonen},
journal= {arXiv preprint arXiv:1711.00150},
year = {2017}
}
备注
10 pages