公开(公告)号：CN110739028B

公开(公告)日：2023-08-15

申请号：CN201910990958.2

申请日：2019-10-18

Applicant: 中国矿业大学

Inventor： 刘辉 ,  全顺强 ,  张林

IPC: G16B40/00 ,  G16C20/70 ,  G06F18/22 ,  G06F18/2413

Abstract: 本发明涉及一种细胞系药物响应水平的预测方法。首先，本发明基于矩阵分解的基本思想，结合相似细胞系对相似药物敏感性相似的特点引入K‑近邻约束项，使得算法兼具矩阵分解算法计算速度快和预测精度高等优点。其次，K‑近邻选择真正有积极影响的细胞系和药物相似性作为约束，并根据相似性评分高低赋予K‑近邻约束项相应的权重，加入K‑近邻约束项后能更精确地挖掘和利用细胞系和药物的相似网络中所含的隐式信息，以更好地预测细胞系药物的响应水平，可作为有效的药物基因组学领域细胞系药物响应水平的机器学习预测方法。

公开(公告)号：CN110739028A

公开(公告)日：2020-01-31

申请号：CN201910990958.2

申请日：2019-10-18

Applicant: 中国矿业大学

Inventor： 刘辉 ,  全顺强 ,  张林

IPC: G16B40/00 ,  G16C20/70 ,  G06K9/62

Abstract: 本发明涉及一种细胞系药物响应水平的预测方法。首先，本发明基于矩阵分解的基本思想，结合相似细胞系对相似药物敏感性相似的特点引入K-近邻约束项，使得算法兼具矩阵分解算法计算速度快和预测精度高等优点。其次，K-近邻选择真正有积极影响的细胞系和药物相似性作为约束，并根据相似性评分高低赋予K-近邻约束项相应的权重，加入K-近邻约束项后能更精确地挖掘和利用细胞系和药物的相似网络中所含的隐式信息，以更好地预测细胞系药物的响应水平，可作为有效的药物基因组学领域细胞系药物响应水平的机器学习预测方法。