无负采样的计算药物重定位
机器学习
2022-06-01 v3 人工智能
定量方法
摘要
计算药物重定位技术是一种加速药物开发的有效工具。尽管该技术在近几十年被广泛使用并取得成功，许多现有模型仍受制于未验证药物-疾病关联数量庞大以及内积等缺陷。这些工作的局限性主要源于以下两点：首先，先前工作使用负采样技术将未验证药物-疾病关联视为负样本，这在真实场景中无效；其次，内积无法充分考量药物与疾病隐因子中包含的特征信息。本文中，我们提出一种新颖的 PUON 框架以解决上述不足，其仅使用已验证（正类）与未验证（未标注）药物-疾病关联建模计算药物重定位的风险估计器，而不采用负采样技术。PUON 还提出了一种基于外邻域的分类器，用于建模隐因子特征的跨特征信息。为全面比较，我们考量了 8 种流行基线。在四个真实世界数据集上的大量实验表明，基于 6 种评价指标，PUON 模型取得了最佳性能。
引用
@article{arxiv.2111.14696,
title = {The Computational Drug Repositioning without Negative Sampling},
author = {Xinxing Yang and Genke Yang and Jian Chu},
journal= {arXiv preprint arXiv:2111.14696},
year = {2022}
}
备注
12 pages,10 figures