余冬华¹, 郭茂祖^1,2,3, 刘晓燕¹, 程爽⁴

¹(哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001); ²(北京建筑大学电气与信息工程学院 北京 100044); ³(建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学) 北京 100044); ⁴(中国工程物理研究院材料所 四川绵阳 621900) (donghuayu@hit.edu.cn)

出版日期: 2019-09-10


基金资助:国家自然科学基金项目(61871020，61571164，61671189)；北京市教委科技计划重点项目(KZ201810016019)；北京建筑大学市属高校基本科研业务费专项资金(X18197，X18198，X18203)

Predicted Results Evaluation and Query Verification of Drug-Target Interaction

Yu Donghua¹, Guo Maozu^1,2,3, Liu Xiaoyan¹, Cheng Shuang⁴

¹(School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001); ²(School of Electrical and Information Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044); ³(Beijing Key Laboratory of Intelligent Processing for Building Big Data, Beijing 100044); ⁴(Institute of Materials, China Academy of Engineering Physics, Mianyang, Sichuan 621900)

Online: 2019-09-10


Supported by:This work was supported by the National Natural Science Foundation of China (61871020, 61571164, 61671189), the Scientific Research Key Project of Beijing Educational Committee (KZ201810016019), and the Special Funds for Basic Research Business in Municipal Universities of Beijing Architectural University (X18197, X18198, X18203).

摘要/Abstract

摘要： 药物靶标作用关系预测是一种重要的辅助药物研发手段，而生物实验验证药物靶标作用关系耗钱耗时，因此，在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库，利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check)，实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能，并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907，766，458，40对.此外，结合DTcheck查询验证，以BLM(bipartite local models)方法为例分析了预测结果的评价问题，结果表明，采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理，且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.

参考文献

相关文章 2

[1]	温 涛, 盛 刚, 郭 权, 盛国军, . 追加型数据库外包中的查询结果验证[J]. , 2012, 49(10): 2077-2085.
[2]	张 敏 洪 澄 陈 驰. 一种服务器透明的外包数据库查询验证方法[J]. , 2010, 47(1): 182-190.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4004