用于解剖治疗化学（ATC）分类的神经网络
定量方法
2021-08-09 v3 机器学习
摘要
动机：自动解剖治疗化学（ATC）分类是生物信息学中一个关键且极具竞争性的研究领域，因其具有加速药物开发与研究的潜力。根据未知化合物的治疗与化学特性如何影响多个器官/系统来预测这些特性，使得自动 ATC 分类成为一个具有挑战性的多标签问题。结果：在这项工作中，我们提出结合多个在 distinct 特征集上训练的多标签分类器，包括从双向长短期记忆网络（BiLSTM）中提取的特征集。实验证明了该方法的威力，其表现优于文献中报道的最佳方法，包括 fast.ai 研究小组开发的当前最优方法。可用性：本研究开发的所有源代码可在 https://github.com/LorisNanni 获取。联系方式：[email protected]
引用
@article{arxiv.2101.11713,
title = {Neural networks for Anatomical Therapeutic Chemical (ATC) classification},
author = {Loris Nanni and Alessandra Lumini and Sheryl Brahnam},
journal= {arXiv preprint arXiv:2101.11713},
year = {2021}
}