典型文献
基于降噪变分自编码器的SNP位点与药物关联预测算法
文献摘要：
单核苷酸多态性(Single nucletide ploymorphysim,SNP)是研究人类家族和动植物品系遗传变异的重要依据,被广泛用于群体遗传学研究和疾病相关基因的研究,在药物基因组学、诊断学和生物医学中起重要作用.在药物基因组学研究中,识别SNP位点与药物之间的关联关系是临床精准用药的关键.为此,提出了一种基于降噪变分自编码器和支持向量机(Denoising variational auto-encoder and support vector machine,DVAE-SVM)的SNP位点与药物关联预测模型.首先,引入k-mer算法和MACCS(Molecular access system)分子指纹对SNP位点和药物进行数字化表征,生成初始的特征向量.随后,对SNP位点的初始特征向量采用降噪变分自编码器提取有效特征.最后,将SNP位点的有效特征向量与药物初始特征向量融合输入到支持向量机中进行关联关系预测.五倍交叉验证实验结果显示,该算法预测效果好于随机森林(Random forest,RF)、逻辑回归(Logistic regression,LR)分类器、主成分分析(Principal component analysis,PCA)、去噪自编码器(Denoising auto-encoder,DAE)和变分自编码器(Variational auto-encoder,VAE)特征提取算法的预测结果.
文献关键词：
关联关系预测;k-mer;分子指纹;支持向量机;降噪变分自编码器
中图分类号：
作者姓名：
宋晓宇;冯小蓓;朱林;刘童;吴鸿阳;李一凡
作者机构：
兰州交通大学电子与信息工程学院,甘肃兰州730070;兰州蓝鲸信息技术有限公司,甘肃兰州730070
文献出处：
引用格式：
[1]宋晓宇;冯小蓓;朱林;刘童;吴鸿阳;李一凡-.基于降噪变分自编码器的SNP位点与药物关联预测算法)[J].测试科学与仪器,2022(03):300-308
A类：
降噪变分自编码器,nucletide,ploymorphysim,DVAE,MACCS,关联关系预测
B类：
SNP,药物关联,关联预测,预测算法,单核苷酸多态性,Single,动植物,品系,遗传变异,群体遗传学,遗传学研究,疾病相关,药物基因组学,诊断学,组学研究,精准用药,Denoising,variational,auto,encoder,support,vector,machine,mer,Molecular,access,system,分子指纹,特征向量,有效特征,向量融合,五倍,交叉验证,验证实验,算法预测,Random,forest,RF,逻辑回归,regression,LR,分类器,Principal,component,analysis,去噪自编码器,DAE,Variational,特征提取算法
AB值：
0.272223
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
