iDTI-ESBoost：利用进化与结构特征及提升法识别药物-靶标相互作用
计算工程、金融与科学
2017-07-05 v1
摘要
预测新的药物-靶标相互作用极为重要，因为它能引导研究者发现老药的新用途并认识其治疗谱或副作用。然而，药物-靶标相互作用的实验预测昂贵且耗时。因此，预测新药-靶标相互作用的计算方法近来备受关注。我们提出 iDTI-ESBoost，一种利用进化与结构特征识别药物-靶标相互作用的预测模型。我们提出的方法针对药物-靶标相互作用的二分类问题，采用了一种新颖的平衡技术与一种提升（boosting）技术。在取自金标准数据的四个基准数据集上，iDTI-ESBoost 在接收者操作特征曲线下面积（auROC）方面优于最先进的方法。iDTI-ESBoost 在精确率-召回率曲线下面积（auPR）方面也优于迄今为止文献中最新且性能最佳的方法。这一点意义重大，因为 auPR 曲线被认为更适合作为不平衡数据集（如本研究中所考察的）的比较度量。随后，我们的实验确立了 iDTI-ESBoost 中所用分类器、平衡方法与新特征的有效性。iDTI-ESBoost 是一种新颖的预测方法，首次利用结构特征与进化特征来预测药物-蛋白质相互作用。我们相信 iDTI-ESBoost 在 auROC 与 auPR 上的优异表现将激励研究者和从业者使用它来预测药物-靶标相互作用。为便于使用，iDTI-ESBoost 已可在 http://farshidrayhan.pythonanywhere.com/iDTI-ESBoost/ 获取。
引用
@article{arxiv.1707.00994,
title = {iDTI-ESBoost: Identification of Drug Target Interaction Using Evolutionary and Structural Features with Boosting},
author = {Farshid Rayhan and Sajid Ahmed and Swakkhar Shatabda and Dewan Md Farid and Zaynab Mousavian and Abdollah Dehzangi and M Sohel Rahman},
journal= {arXiv preprint arXiv:1707.00994},
year = {2017}
}
备注
pre-print