کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5513322 | 1541199 | 2017 | 32 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Drug-target interaction prediction using ensemble learning and dimensionality reduction
ترجمه فارسی عنوان
پیش بینی متقابل دارو و هدف با استفاده از یادگیری گروهی و کاهش ابعاد
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پیش بینی متقابل مواد مخدر، ویژگی اشتراکگذاری، کاهش ابعاد، یادگیری گروهی رگرسیون خط رشته هسته،
موضوعات مرتبط
علوم زیستی و بیوفناوری
بیوشیمی، ژنتیک و زیست شناسی مولکولی
زیست شیمی
چکیده انگلیسی
In our experiments, we utilized AUC (Area under ROC Curve) as an evaluation metric. We compared our proposed methods with various state-of-the-art methods under 5-fold cross validation. Experimental results showed EnsemKRR achieving the highest AUC (94.3%) for predicting drug-target interactions. In addition, dimensionality reduction helped improve the performance of EnsemDT. In conclusion, our proposed methods produced significant improvements for drug-target interaction prediction.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Methods - Volume 129, 1 October 2017, Pages 81-88
Journal: Methods - Volume 129, 1 October 2017, Pages 81-88
نویسندگان
Ali Ezzat, Min Wu, Xiao-Li Li, Chee-Keong Kwoh,