Heter-LP：一种异质标签传播算法及其在药物重定位中的应用
定量方法
2018-11-26 v1 机器学习
摘要
药物重定位为药物发现提供了有效解决方案，通过为现有药物寻找新适应症节省时间和资源。通常，药物通过其细胞内的蛋白靶点发挥作用。因此，药物开发研究有必要调查药物、蛋白靶点与疾病之间的相互关系。尽管先前研究有力证明了基于整合网络的方法在预测这些相互关系上的有效性，但在药物重定位研究中这方面进展甚微。此外，大多数既有方法无法准确预测新药物与靶点（分别缺乏任何已知靶点和药物）的相互作用。本文提出一种新颖的半监督异质标签传播算法Heter-LP，其同时应用局部与全局网络特征进行数据整合。为预测药物-靶点、疾病-靶点和药物-疾病关联，我们使用从多来源不同层次收集的药物、疾病和靶点信息。我们的算法将这些各类数据整合进一个异质网络，并实现标签传播算法以发现新相互作用。10折交叉验证结果的统计分析与实验分析支持了所提算法的有效性。
引用
@article{arxiv.1611.02945,
title = {Heter-LP: A heterogeneous label propagation algorithm and its application in drug repositioning},
author = {Maryam Lotfi Shahreza and Nasser Ghadiri and Seyed Rasul Mossavi and Jaleh Varshosaz and James Green},
journal= {arXiv preprint arXiv:1611.02945},
year = {2018}
}