检索结果-南通市图书馆

基于网络药理学的黄芪建中汤治疗慢性萎缩性胃炎作用机制研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中草药 2018年第15期49卷 3550-3561页

作者：许文倩秦雪梅刘月涛山西大学中医药现代研究中心山西太原030006 山西大学化学化工学院山西太原030006 山西大学地产中药功效物质研究与利用山西省重点实验室山西太原030006

目的筛选黄芪建中汤中治疗慢性萎缩性胃炎的主要活性成分,预测活性成分的作用靶点,建立单味药-活性成分-作用靶点网络,进一步探讨黄芪建中汤治疗慢性萎缩性胃炎的潜在作用机制。方法采用中药系统药理学技术平台(TCMSP)中的药动学参数[... 详细信息

目的筛选黄芪建中汤中治疗慢性萎缩性胃炎的主要活性成分,预测活性成分的作用靶点,建立单味药-活性成分-作用靶点网络,进一步探讨黄芪建中汤治疗慢性萎缩性胃炎的潜在作用机制。方法采用中药系统药理学技术平台(TCMSP)中的药动学参数[口服利用度(OB)和药物相似性(DL)]筛选黄芪建中汤的潜在活性成分,整合靶点预测网站服务器(STPD)与人类基因数据库(Genecard)、人类孟德尔遗传数据库(OMIM)预测和筛选其治疗慢性萎缩性胃炎的作用靶点,借助Cytoscape构建"单味药-活性成分-作用靶点"网络。通过Systems Dock Web Site对4个主要活性成分与作用靶点进行分子对接验证。采用String数据库与Cytoscape软件绘制蛋白质相互作用网络,并利用Dis Ge NET数据库对作用靶点类型进行归属。采用DAVID数据库对黄芪建中汤作用靶点进行生物功能及代谢通路分析。结果通过OB和DL参数筛选得到118个潜在活性成分,共涉及16个作用靶点,与疾病靶点有关的活性成分为52个,主要通过调控癌症通路、病灶黏连、精氨酸和脯氨酸代谢、血管内皮生长因子(VEGF)信号转导与神经营养因子信号通路等发挥对慢性萎缩性胃炎的治疗作用。结论黄芪建中汤对慢性萎缩性胃炎的治疗作用体现了中药多成分-多靶点-多途径的特点,为阐释其治疗慢性萎缩性胃炎的作用机制与物质基础提供了科学依据。

关键词：黄芪建中汤慢性萎缩性胃炎口服利用度药物相似性癌症通路病灶黏连

基于细胞系-药物K近邻的抗癌药物敏感性预测

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2020年第4期50卷 295-300页

作者：王波魏东李玉双燕山大学理学院河北秦皇岛066004 河北数港科技有限公司河北秦皇岛066004

抗癌药物敏感性数据的缺失会对后续癌症数据分析产生重要影响.高通量测序技术为构建计算模型,有效预测抗癌药物敏感性提供了可能.依据已有的合理性假设:相似的细胞系对于目标药物具有相似的反应;相似的药物对于目标细胞系具有相似的反应... 详细信息

抗癌药物敏感性数据的缺失会对后续癌症数据分析产生重要影响.高通量测序技术为构建计算模型,有效预测抗癌药物敏感性提供了可能.依据已有的合理性假设:相似的细胞系对于目标药物具有相似的反应;相似的药物对于目标细胞系具有相似的反应,本文综合考虑了细胞系的基因表达和基因突变特征,给出细胞系相似性新的定义形式,结合药物相似性度量方法,提出了"细胞系-药物K近邻"计算模型,并将其成功应用于癌症细胞系百科全书(CCLE),得到的抗癌药物敏感性预测结果明显优于已有的经典模型.

关键词：抗癌药物敏感性细胞系相似性药物相似性 K近邻

在线全文

学校读者我要写书评

暂无评论

一种多信息融合的药物-靶标关联预测算法

计算机工程 2016年第6期42卷 218-223,229页

作者：彭利红李泽军陈敏任日丽长沙医学院计算机系长沙410219 湖南工学院计算机与信息科学学院湖南衡阳421002

在药物结构相似性和靶标序列相似性的基础上,结合药物-靶标相互作用网络信息,考虑分类器和数据集合分布的复杂性,提出一种半监督学习算法预测药物与靶标之间的关联。实验结果表明,该算法的预测性能较DBSI,KBMF2K等算法有所提高。对其预... 详细信息

在药物结构相似性和靶标序列相似性的基础上,结合药物-靶标相互作用网络信息,考虑分类器和数据集合分布的复杂性,提出一种半监督学习算法预测药物与靶标之间的关联。实验结果表明,该算法的预测性能较DBSI,KBMF2K等算法有所提高。对其预测到的药物-靶标相互作用数据进行打分并排序,从中提取前30%的数据,其中有部分相互作用可在KEGG,Drug Bank,Super Target和Ch EMBL数据库中得到验证。

关键词：多信息融合半监督学习药物-靶标相互作用网络药物相似性靶标相似性

在线全文

学校读者我要写书评

暂无评论

基于多标记学习预测药物-靶标相互作用

计算机工程与应用 2017年第15期53卷 260-265页

作者：彭利红刘海燕任日丽马俊王建芬长沙医学院信息工程学院长沙410219 长沙医学院药学院长沙410219

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法 PDML。通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、Lap RLS及Net CBP相比,除在核受体数据集中该方法在... 详细信息

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法 PDML。通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、Lap RLS及Net CBP相比,除在核受体数据集中该方法在AUC上的性能比Lap RLS略有降低之外,模型在敏感性、特异性、AUC和AUPR上的性能均优于其他四种方法;提取前5个预测分值最高的药物-靶标对,这些药物-靶标对能通过检索Drug Bank、Super Target和KEGG数据库而得到验证。

关键词：药物-靶标相互作用多标记学习多信息融合药物-靶标相互作用网络药物相似性

在线全文

学校读者我要写书评

暂无评论

基于图表示学习的药物组合预测研究

基于图表示学习的药物组合预测研究

作者：夏明飞西安电子科技大学

学位级别：硕士

复杂疾病的致病机理复杂,如果使用单种药物进行治疗,容易产生抗药性。药物组合治疗具有高效和低毒等特性,正在成为一种新的复杂疾病治疗手段。尽管人们开发了高通量药物组合筛选平台,但是进行药物组合实验所需的金钱和时间代价很大。因... 详细信息

复杂疾病的致病机理复杂,如果使用单种药物进行治疗,容易产生抗药性。药物组合治疗具有高效和低毒等特性,正在成为一种新的复杂疾病治疗手段。尽管人们开发了高通量药物组合筛选平台,但是进行药物组合实验所需的金钱和时间代价很大。因此需要一种算法帮助找到潜在的协同的药物组合,进一步的缩小药物组合实验范围。目前药物组合预测模型可以分为四类:基于表达数据的药物组合预测模型、基于PPI网络的药物组合预测模型、基于代谢路径的药物组合预测模型和基于药物相似性的机器学习药物组合预测模型。这些模型存在数据有偏、结果差和可用数据少等缺点。本文提出一种基于图表示学习的药物组合预测算法NEMNDC(Network Embedding framework in Multiplex Networks for Drug Combinations),改进了现有的基于药物相似性的机器学习药物组合预测模型。首先,通过部分的药物组合数据对每层药物相似性网络进行重要性评估;然后,使用二阶有偏随机游走进行网络采样,得到随机游走的路径,并根据路径生成训练模型所需的正负样本;随后,通过构建SkipGram模型学习药物节点的向量表示;最后,使用随机森林分类器进行药物组合预测。在药物组合预测任务上,本文评估了多层网络和单层网络对NEMNDC算法的影响,结果说明NEMNDC算法可以有效整合数据,并且对于每层网络的信息没有强的偏向性。使用NEMNDC算法预测的药物组合结果中,前6对未包含在已知药物组合数据集中的药物组合已经有5对被生物和临床实验验证是协同的药物组合。对另一对药物组合通过药物靶标、GO和Pathway分析,发现极有可能是协同的药物组合。本文还将NEMNDC算法应用在药物-药物关系预测任务上,通过比较INDI、PSL和Mashup算法,说明了NEMNDC算法在药物-药物关系预测上也很准确和适用。NEMNDC算法不仅解决了之前基于药物相似性的机器学习药物组合预测方法中存在的特征维度固定的问题,而且构建的药物节点向量中包含了多层网络的拓扑信息。本文提出的多层网络重要性评估策略可以更好地为多层网络数据整合工作提供指导。同时在药物-药物关系预测上使用NEMNDC算法得到很好的结果,说明其适用性,不仅仅适用于药物组合预测,也适用于药物-药物关系预测和药物重定位等。

关键词：药物组合多层网络图表示药物相似性药物-药物关系

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多数据源的药物互作预测研究

基于多数据源的药物互作预测研究

作者：刘晓芙哈尔滨工程大学

学位级别：硕士

药物联合使用相互作用(DDI),即药物同时作用于人体时所产生的超出预期疗效的用药反应,可大致分为有害的和有益的两类。这其中有害的药物相互作用会导致患者产生药物不良反应影响患者康复,因此在实际用药过程中应当尽力避免这类互作。过... 详细信息

药物联合使用相互作用(DDI),即药物同时作用于人体时所产生的超出预期疗效的用药反应,可大致分为有害的和有益的两类。这其中有害的药物相互作用会导致患者产生药物不良反应影响患者康复,因此在实际用药过程中应当尽力避免这类互作。过去,可用的药物不多,仅凭医生经验便可以避免药物联合使用产生不良反应,可现如今药物成千上万,仅靠医生的经验远远不够,基于此,包括本课题在内的进行药物互作预测相关的研究变得尤为重要。论文选择通过计算手段,利用模式识别工具,通过药物的相关性质信息完成了基于相似性的药物相互作用的预测工作,具体工作内容如下。首先是数据的提取及预处理工作,包括编程提取药物特征数据、删除缺项条目以及统一格式。经处理,共获得包含化学结构、ATC代码、基因本体、通路、副作用、适应症、靶点序列以及酶的8个数据表格。第二,获得药物特征数据之后,根据特征的生物学性质,选择合适的算法完成相似性度量矩阵的计算。对于没有特殊含义的性质项,课题采用了余弦相似性和杰卡德相似性两种算法。除此之外,化学结构特征计算前先使用BFS及哈希算法获取分子指纹,基因本体相似性需要使用Resnik算法来完成,靶点序列相似性则选择了蛋白序列的局部比对算法Smith-Waterman算法。经处理,共获得8个相似性度量矩阵。第三,课题选择了合适的样本集以及分类器分别训练了PK预测模型和PD预测模型,并通过分类器性能指标完成了简单的性能评估工作。由于分类器目标是根据药物对之间的相似性完成互作的预测,因此首先通过特征组合将药物间相似性转化为药物对间相似性,获得了药物对特征数据,并通过正负样本集筛选数据获得positive训练数据和negative训练数据。其中,正样本来自Drugbank,删去重复项后获得共29万条互作记录,利用朴素贝叶斯对这些记录分类获得PK互作和PD互作模型的正样本。负样本的选取是本课题的创新点,相较于以往,本课题在删除过已知互作的随机药物对的基础上再次删除了包含相同ATC的药物对、临床治疗中没有出现过的药物对以及缺少化学结构信息和ATC信息的药物对,使得用于负样本的药物对相较于以往更贴近理想的无互作药物对集。借上述所得的样本进行了逻辑回归分类器的训练,获得了大于0.9的AUC值以及0.7左右的F1-measure值,并认为分类模型获得了极好的分类效果。第四,为了使这个结果更加可信,课题另外设计了三组实验从数据不理想、特征数量以及训练数据来源三个方面分析了分类器性能。首先是确认训练数据的偏好问题是否会影响模型的分类性能,在去除了可能带来数据偏好的化学结构数据的情况下,发现分类器性能并没有显著的下降。第二,课题通过删除一至两个特征和只是用单个特征确认分类器分类性能的改变,发现删除个别特征不会导致分类器性能的明显下降,而只是用单个特征则无法获取理想的分类器性能。第三则是只使用单个数据库提供的特征数据进行分类器训练,发现单数据源也能获得性能良好的分类模型,但相较于多数据源,其性能还是存在差距。最后,课题使用了新的药物进行了实际的互作预测工作,通过实际预测结果评价分类器分类性能。主要方案是将提取结果与FAERS数据库中挖掘出来的药物互作结果作比较,发现约30～40%的预测结果能够在FAERS数据中找到。在基于假设:PD互作易发生在作用于相同组织的药物间的试验中,通过假设检验确认预测结果确实与规律相符,从而侧面证明了预测结果的准确。另外,课题也从预测结果中选择了一对,通过药物的相关性质确认了该药物对确实存在有意义的互作,进而证明了预测的成功。

关键词：药物联合使用相互作用模式识别逻辑回归药物相似性

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多标记学习预测药物-靶标相互作用

长沙医学院学报 2018年第1期 23-28页

作者：彭利红刘海燕任日丽马俊王建芬长沙医学院信息工程学院湖南长沙410219 长沙医学院药学院湖南长沙410219

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML.通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比,除在核受体数据集中该方法在AUC... 详细信息

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML.通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比,除在核受体数据集中该方法在AUC上的性能比LapRLS略有降低之外,模型在敏感性,特异性、AUC和AUPR上的性能均优于其他四种方法;提取前5个预测分值最高的药物-靶标对,这些药物-靶标对能通过检索DrugBank、SuperTarget和KEGG数据库而得到验证。

关键词：药物-靶标相互作用多标记学习多信息融合药物-靶标相互作用网络药物相似性