基于信息整合的药物副作用预测方法研究

发布时间：2017-09-13 00:07

  本文关键词：基于信息整合的药物副作用预测方法研究

  更多相关文章： 信息整合 药物-副作用预测 BP神经网络 多特征融合 集成学习

【摘要】：药物副作用研究是新药安全性评估的重要内容,直接关乎人类健康。及时、准确、快速预测药物的潜在副作用,对于降低药物不良事件率及保护患者健康都具有至关重要的意义。而传统的基于生物化学和细胞实验来预测药物副作用的方法,用时长效率低且花费高昂。因此,使用计算方法来预测药物副作用的需求正在日益凸显。本文以生物小分子(包括药物和化合物)为研究对象,通过挖掘各类相关知识,预测生物小分子和副作用之间的相互关系,为临床患者用药提供参考。主要内容如下：1.提出了一种基于药物的化学子结构的药物-副作用相互关系预测方法。该方法主要使用了药物的化学子结构空间信息为特征,辅助使用了药物的靶标信息和官能团信息做比较。通过BP神经网络方法对药物-特征信息-副作用网络的挖掘,预测出药物可能存在的副作用。实验结果表明,神经网络方法的预测是有效的,并且挖掘出一些药物副作用的作用机制与相应化学子结构之间存在的潜在关系。2.完善了一种基于多特征融合的药物-副作用相互关系预测方法,该方法使用多标签集成K近邻模型,融合了药物的化学特性特征、生物特性特征,表型特性特征以及药理学特性特征进行副作用预测。通过对单一模型在集成学习模型中的权重的优化,获得了权重最优解。大规模的副作用数据实验结果表明,多特征融合的集成K近邻方法不仅预测精度高,鲁棒性好,而且可以成功预测出一些药物在上市以后才表现出的副作用。3.实现了基于三种算法的药物副作用可视化预测工具"DSEP"。 DSEP工具可以提供基于数据库中药物的副作用预测服务和基于分子文件的药物副作用预测服务。提供服务的方式有两种,包括大规模药物预测的客户端工作模式和少量药物在线计算的Web服务模式。
【关键词】：信息整合 药物-副作用预测 BP神经网络 多特征融合 集成学习
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R96
【目录】：

• 内容摘要6-7
• Abstract7-11
• 第一章 绪论11-17
• 1.1 研究背景,目的及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 论文主要工作14
• 1.4 论文结构14-17
• 第二章 相关知识17-23
• 2.1 药物的常用特征及相关数据库17-18
• 2.2 机器学习相关知识18-19
• 2.3 药物副作用预测基本流程19-23
• 第三章 基于化学子结构的神经网络方法预测药物副作用23-34
• 3.1 引言23-24
• 3.2 数据集构建24-25
• 3.3 方法概述25-30
• 3.3.1 神经网络方法25-27
• 3.3.2 稀疏典型相关分析法27-28
• 3.3.3 核回归方法28
• 3.3.4 性能评价28-30
• 3.4 结果与讨论30-33
• 3.5 本章小结33-34
• 第四章 基于多特征融合的集成K近邻方法预测药物副作用34-47
• 4.1 引言34-35
• 4.2 数据集构建35-37
• 4.2.1 化学特性相似性35
• 4.2.2 生物特性相似性35-36
• 4.2.3 表型相似性36
• 4.2.4 药理学相似性36
• 4.2.5 相似性衡量比较36-37
• 4.3 方法概述37-42
• 4.3.1 多标签集成K近邻方法37-39
• 4.3.2 性能评价39-42
• 4.4 结果与讨论42-45
• 4.5 本章小结45-47
• 第五章 药物副作用预测工具的设计与实现47-57
• 5.1 引言47
• 5.2 主要设计思想47-48
• 5.3 客户端工具48-54
• 5.3.1 工具的输入49-50
• 5.3.2 使用和处理流程50-52
• 5.3.3 工具的输出52-54
• 5.4 在线计算服务54-55
• 5.5 本章小结55-57
• 第六章 总结与展望57-59
• 6.1 论文工作总结57-58
• 6.2 工作展望58-59
• 参考文献59-63
• 致谢63-64
• 附录 攻读学位期间发表论文目录64

【参考文献】

中国硕士学位论文全文数据库 前1条

1 王轶初;基于集成学习的半监督学习算法研究[D];西安电子科技大学;2011年

，

本文编号：840334