论文部分内容阅读
现代药物发现针对各种疾病提供了多样的临床治疗方案,对于保护人类生命健康有十分重要的意义。然而,新药发现是一个“成本高,周期长,回报低”的过程。机器学习与人工智能的解决方案正在改变这个过程,通过对已知的药物和靶点进行筛选,寻找新的药物-靶点相互作用对,以加速药物研发的过程。本文针对药物-靶点相互作用研究中数据存在不平衡的问题,提出一种有效的不平衡数据处理方案BS-DTvec:通过词向量特征提取的方法分别获取药物分子的低维特征表示(Drug Vec)和靶点蛋白质的低维特征表示(Target Vec);将