【摘 要】
:
新药物的开发是一个耗时耗力的过程,且新开发的药物实际利用率较低,造成了资源的浪费,因此,研究者们提出了药物重定位的思路,探索已上市的药物对于其他疾病的治疗效果,从而实现“旧药新用”。药物-疾病关联预测是药物重定位中的一项重要研究,该研究将药物和疾病的高通量数据作为输入,结合计算方法预测药物-疾病的潜在关联,能够为药物的高效研发和疾病的低成本治疗提供辅助性建议。现有的药物-疾病关联预测方法大多将药物
论文部分内容阅读
新药物的开发是一个耗时耗力的过程,且新开发的药物实际利用率较低,造成了资源的浪费,因此,研究者们提出了药物重定位的思路,探索已上市的药物对于其他疾病的治疗效果,从而实现“旧药新用”。药物-疾病关联预测是药物重定位中的一项重要研究,该研究将药物和疾病的高通量数据作为输入,结合计算方法预测药物-疾病的潜在关联,能够为药物的高效研发和疾病的低成本治疗提供辅助性建议。现有的药物-疾病关联预测方法大多将药物的结构相似性数据和疾病的语义相似性数据作为模型的输入,利用传统机器学习、网络嵌入和深度学习等方法得到药物-疾病的关联分数,进而辅助生物学实验的进行。但是目前的预测方法考虑的信息不够全面,忽略了药物-疾病关联网络中的全局拓扑信息和局部拓扑信息,这些信息来自生理学实验的验证,对药物-疾病关联预测准确率的提升具有重要作用。在特征提取时,现有的深度学习方法仅仅关注了网络中的高层级特征,并将其直接融合或串联,忽略了网络中高低层级间的信息交互以及特征加权的重要性,导致了药物和疾病信息的丢失,进而降低了药物-疾病关联预测的性能。针对以上问题,本文对不同的药物信息和疾病信息进行融合,采用深度学习技术构建药物-疾病关联预测模型,主要研究内容如下:(1)基于密集卷积注意网络的药物-疾病关联预测模型(DCNN)。针对已有的深度学习方法在药物-疾病关联预测研究时,忽略了网络中高层级信息和低层级信息交互的问题,本文引入了密集卷积神经网络,通过密集短连接的方式,同时关注网络中高低层级的信息,提高了特征的质量。在特征提取过程中,引入了卷积注意力机制(Convolutional Block Attention Module,CBAM)对所提特征进行加权,从通道和空间两个层面实现药物信息和疾病信息的重要性评分,从而提高网络对于药物-疾病关联的预测能力。实验结果表明,DCNN模型可以作为现有药物-疾病关联预测器的补充,共同为药物研发等生物实验提供辅助建议。(2)基于信息融合的药物-疾病关联预测模型(SDNE-DCNN)。针对现有药物-疾病关联预测方法忽略了药物-疾病关联网络中的全局拓扑信息和局部拓扑信息的问题,本文引入了一种结构化深度网络嵌入模型(Structural Deep Network Embedding,SDNE))提取药物-疾病关联网络中的信息。SDNE方法采用半监督深度模型,联合利用网络中节点间的一阶相似性和二阶相似性,捕获药物-疾病关联网络的局部拓扑特征和全局拓扑特征。在信息融合时,SDNE-DCNN模型引入高斯核函数计算药物拓扑特征的相似性和疾病拓扑特征的相似性,并分别将他们与药物的结构相似性,疾病的语义相似性进行融合。最后,采用DCNN模型进一步提取药物和疾病的高级特征并实现药物-疾病的关联预测。实验结果表明,将药物-疾病关联网络中的拓扑信息与现有信息融合,能够丰富特征空间进而提高模型的预测能力。(3)本文基于提出的SDNE-DCNN药物-疾病关联预测模型,利用Java语言和html语言设计开发了RDA-Pre在线预测平台,该平台主要包括模型架构和实验结果的预览功能、从数据库中查询疾病的候选药物功能和在线预测药物-疾病关联的功能,便于辅助用户对药物-疾病关联的在线预测和验证。综上所述,本文采用结构化深度网络嵌入模型提取了药物-疾病关联网络中的药物拓扑信息和疾病拓扑信息,并分别将他们与生物学层面的药物结构信息、疾病语义信息融合,考虑了不同角度的数据,丰富了模型的输入。特征提取时,采用密集卷积注意网络同时关注了网络中高低层级的信息,并通过卷积注意力机制对信息的重要性进行评分,提取了高质量的特征表示,有效预测了药物-疾病关联,为药物开发和疾病治疗提供了辅助性建议。
其他文献
心脑血管疾病因其高死亡率,目前已经成为医学界的重点研究病症之一。中国作为人口大国,患病人数逐年上升,心脑血管疾病已经不仅是中老年群体的高发病,45岁以下的中青年同样成为了易发生心梗、脑卒中等心脑血管疾病的高危人群。常见的临床检测与诊断存在着预防困难、诊断不及时、传统体检检测困难以及治疗易致残等问题,因此,如何在发病前快捷有效地进行辅助预测,从而对患者起到预警作用是一重大问题。回顾漫长的中国医学发展
为了实现对桥梁平转施工动态过程的实时监测,系统设计并完成了集成应力传感器、倾角传感器、拉线传感器的集成式球铰的桥梁转体防倾覆监控系统。依靠MATLAB与LabVIEW混合编程模式实现多倾角传感器的融合、应力差法计算桥梁的倾覆力矩,利用倾角和倾覆力矩双输入的模糊计算得到转体桥梁唯一的倾覆危险值,提高了转体桥梁的倾覆危险值的可靠性。系统通过三维模型的姿态跟踪及应力映射,实现人性化的直观显示,简化施工现
数字图像已经在日常生活中被广泛使用,但是也面临着信息泄漏和侵犯版权等问题,因此数字图像保护技术应运而生。作为两种重要的图像保护技术,数字图像加密技术和数字图像水印技术已经成为研究热点。近年来,数字图像加密技术的研究大部分都是基于简单、低维的混沌系统,安全性不足;而数字图像水印技术则大部分是在水印嵌入算法上作出改进,忽略了水印系统的安全性。本文针对数字图像保护技术中的问题进行了研究,提出了基于高维复
植物叶片病害识别是农业和图像处理领域共同关注的重要课题。目前大多数病害识别的研究都基于神经网络,而成功的神经网络包含较多的参数,使用有监督的神经网络模型进行叶片病害识别需要充足的样本进行训练。而在现实生活中,由于标记样本的代价较高或病害发病率较低等因素,往往得不到充足的训练数据,这是目前植物病害识别研究的一个普遍挑战。因此,需要寻找一种能够生成病害图像的数据增强方法,解决训练样本不充足问题,以满足
行人再识别技术作为计算机视觉领域的重要研究课题,它可以形象地理解为在不同的监控摄像头下检索相同的行人。随着互联网的高速发展,监控网络渐渐覆盖到生活的方方面面,大量的图片数据需要处理,由此行人再识别技术被人们广泛关注。尽管目前行人再识别性能有所提高,但现有的方法通常依赖于这样一个假设,即要查询的人和图库图像都拥有相同的服装。虽然这个假设确实适用于许多现有的Re-ID数据集,但如果数据经过很长时间的聚
肺癌是当今世界死亡率最高的癌症,如果能够在肺癌发生的早期发现并及时治疗,可以明显降低肺癌死亡率。利用图像分割技术对患者肺部CT图像中发生病变的区域进行精准分割,可以提高肺癌早期诊断率。传统图像分割方法分割精度低且需要大量人工操作。近年来分割精度更高且特征表征能力更强的深度神经网络在图像分割领域得到了广泛应用。因此,本文以U-Net和3D U-Net网络这两种深度学习方法为基础展开研究。主要贡献如下
注意缺陷多动障碍(Attention-Deficit Hyperactivity Disorder,ADHD)是最常见的神经发育障碍之一。尽管症状通常开始于儿童时期,但有大部分的患者在成年期也会受到影响,表现出持续存在的社会功能问题、较低的学术成就和较高的精神问题风险。ADHD作为一种神经发育性疾病很难对其症状进行界定,但通常伴随着脑网络的改变,通过研究ADHD脑网络可以探索其发病机制。结构脑网络
利用磁共振影像数据对脑网络进行表征是目前研究脑精神疾病分析的一种先进技术。以往的脑网络研究主要集中在图上,研究者们将脑网络与人工智能领域中应用较广泛的传统的机器学习与深度学习等计算机技术结合起来,对脑网络进行特征提取与选择、分类等工作。然而近几年的研究表明,大脑认知机制涉及多个大脑区域间的相互作用,而不是成对间的相互作用,为有效表征大脑之间信息的高阶传递关系,超图被提出用来描述脑网络。在以脑区为节
针对目前既是小曲线半径又是大坡度的桥梁转体施工研究不多现状,依托新建广州至湛江高速铁路工程广珠京广联络线特大桥(52+52)m转体梁施工项目,结合该桥为目前国内最小曲率半径(仅310 m)、坡度最大(纵坡达20‰)的T构转体桥,梁体上跨环镇东路、京广三线联4线、机走线等多条城市道路和铁路线路,转体过程中梁底与接触网立柱柱顶隔离开关距离仅有30 cm等不利条件,阐述了该转体桥的称重、配重、转体结构施
精神分裂症(schizophrenia,SZ)和双相情感障碍(bipolar disorder,BD)都是一种很常见的精神疾病,不仅影响患者的生活,也影响了别人的生活。但是两者的患病机制都不十分明确,并且在临床诊断上也没有严格的分界线。因此不断探索SZ和BD患者的患病机制以及两者之间的不同,为疾病的诊断和干预提供新的手段至关重要。越来越多的研究表明,神经疾病是大脑的连接障碍造成的,大脑区域之间复杂