摘要 在可持续药物开发过程中,药物-靶标相互作用的计算机预测是一个关键阶段,特别是当研究重点是利用现有药物的重新定位时。然而,开发这样的计算方法并非易事,但却非常必要,因为当前预测潜在药物-靶标相互作用的方法存在高假阳性率。在这里,我们介绍了 DTiGEMS +,一种使用图嵌入、图挖掘和基于相似性的技术预测药物-靶标相互作用的计算方法。DTiGEMS + 结合了基于相似性和基于特征的方法,并将新型药物-靶标相互作用的识别建模为异构网络中的链接预测问题。DTiGEMS + 通过使用另外两个互补图(即:药物-药物相似性、靶标-靶标相似性)扩充已知的药物-靶标相互作用图来构建异构网络。DTiGEMS + 结合了不同的计算技术来提供最终的药物靶标预测,这些技术包括图嵌入、图挖掘和机器学习。 DTiGEMS+ 在应用相似性选择程序和相似性融合算法后,将多种药物-药物相似性和靶标-靶标相似性集成到最终的异构图构造中。使用四个基准数据集,我们表明 DTiGEMS+ 与其他用于预测药物-靶标相互作用的最先进的计算机模拟方法相比,显著提高了预测性能,在所有数据集中实现了最高的平均 AUPR(0.92),与最先进方法比较中表现第二好的模型相比,错误率降低了 33.3%。关键词:药物重新定位、药物-靶标相互作用、机器学习、图嵌入、异构网络、基于相似性、相似性集成、生物信息学、化学信息学
摘要。冰川终止以气候系统不同组成部分的重组为特征。特别是,快速的冰盖瓦解会导致误解的反馈回路,这些反馈循环仍然很少了解。为了进一步研究这一方面,我们在这里使用了完全构成的北半球冰盖模型,以形成最后两个冰川终止的数值实验。我们表明,即使这两个终止的一阶气候轨迹相似,太阳日光差的差异也会导致冰原 - 气候系统的重要变化。在倒数第二次终止期间温度较高,与全新世的最后一次冰河间期间的海平面兼容。我们将最后一次对海平面上升约2 m的海平面上升的冰川绿地贡献。我们还模拟了南大洋的温暖地下,与南极冰盖的副作用兼容。,即使没有考虑冰盖融化而导致的海洋淡水浮游,这两个终止却散发出不同的大西洋推翻循环敏感性,这种循环在五次终止期间更容易占用。最后,在额外的灵敏度实验中,我们表明,对于这两个终止,即使还需要考虑植被变化以模拟整个脱胶裂解,北半球的灭绝也是冰盖重新治疗的主要驱动力。相反,即使它影响温度,温室气体的浓度也单独变化也不能解释冰盖撤退的幅度,而只能调节其时间安排。
我们如何判断两个神经网络是否在特定计算中使用相同的内部过程?这个问题与神经科学和机器学习的多个子领域有关,包括神经人工智能、机械可解释性和脑机接口。比较神经网络的标准方法侧重于潜在状态的空间几何形状。然而,在循环网络中,计算是在动态层面实现的,两个执行相同计算且具有相同动态的网络不必具有相同的几何形状。为了弥合这一差距,我们引入了一种新颖的相似性度量,可在动态层面比较两个系统,称为动态相似性分析 (DSA)。我们的方法包含两个部分:利用数据驱动动态系统理论的最新进展,我们学习一个高维线性系统,该系统可准确捕捉原始非线性动力学的核心特征。接下来,我们使用 Procrustes 分析的新颖扩展来比较通过此嵌入的不同系统,该扩展解释了矢量场在正交变换下如何变化。在四个案例研究中,我们证明了我们的方法可以解开共轭和非共轭循环神经网络 (RNN),而几何方法则存在不足。我们还表明,我们的方法可以以无监督的方式区分学习规则。我们的方法为比较分析神经回路中计算的基本时间结构打开了大门。
动机:精确药物利用患者特定的多模式数据来改善预防,诊断,预后和疾病治疗。提前的精确医学需要复杂,异质和潜在高维数据来源(例如多摩学和临床数据)的非平凡整合。在文献中,已经提出了几种方法来管理丢失的数据,但通常仅限于一部分患者的特征子集的恢复。在很大程度上被忽略的问题是当一个或多个患者完全缺少其中一个或多个数据来源时,这是临床实践中相对常见的状况。结果:我们提出了Miss类似网络融合(MISS-SNF),这是一种新型的通用数据集成方法,旨在在患者相似性网络的背景下管理完全缺失的数据。miss-snf通过利用从SNF算法借来的非线性消息通讯策略来整合不完整的单峰患者相似性网络。Miss-SNF能够恢复缺失的患者相似性,并且是“任务不可知论”,从某种意义上说,可以整合无监督和监督预测任务的部分数据。对来自癌症基因组图集(TCGA)的九个癌症数据集的实验分析表明,Miss-SNF达到最先进的方法会导致恢复相似性并识别出在临床上相关变量中富集的患者亚组,并具有差异性生存率。可用性和实现:在R中实现的MISS-SNF代码可在https://github.com/ anacletolab/misssnf上找到。此外,截肢实验表明,MISS-SNF监督了对整体生存和无进展间隔事件的预测,完全缺少数据的结果可与所有数据可用时获得的结果相当。
摘要:生成合成数据是一项复杂的任务,需要准确复制原始数据元素的统计和数学属性。在财务,利用和传播实际数据进行研究或模型开发等部门中,由于包含敏感信息,可能会带来很大的隐私风险。此外,真实的数据可能很少,尤其是在获得足够,多样和高质量数据的专业领域很困难或昂贵。这种稀缺性或有限的数据可用性可以限制机器学习模型的培训和测试。在本文中,我们解决了这一挑战。尤其是,我们的任务是合成具有与股票市场的输入数据集相似的数据集。输入数据集是匿名的,由很少的列和行组成,包含许多不一致之处,例如缺失的行和重复项,其值不标准化,缩放或平衡。我们探讨了一种深入学习技术的生成对抗网络的利用,以生成合成数据并评估其质量与输入库存数据集相比。我们的创新涉及生成模仿输入元素的统计属性的人工数据集,而无需透露完整的信息。例如,合成数据集可以捕获原始数据集中观察到的股票价格,交易量和市场趋势的分布。生成的数据集涵盖了更广泛的方案和变化,使研究人员和从业人员能够探索不同的市场状况和投资策略。这种多样性可以增强机器学习模型的鲁棒性和概括。我们根据平均值,相似性和相关性评估我们的综合数据。
3。id。,2153,2166。4。Ken Kurdziel,Alston的决定:对学生运动员与大学的影响,J Ames M Oore(3月 4,2024),https://www.jmco.com/articles/collegiate-athletics/alston-decision-what-what-what-what-do-mean-for-student-student-student-student-netlets-universies/ [https://perma.cc/7yk5-lu52]。 5。 请参阅Ezzat Nsouli和Andrew King,美国联邦和州立法机关如何为NIL打扮,S Quire P Atton B Oggs(2022年7月13日),https://www.sports.legal/2022/2022/2022/2022/2022/07/how-us-us-us-us-us-us-us-us-us-us-s-state-state-state-state-state-state-state-nel-nil-nil-nil nil/ [https://perma.cc/uu5c-xgwv]。 6。 s ee ezzat nsouli&Andrew King,学校和私人实体如何从事零活动,s quire p atton b oggs(2022年7月19日),https://www.sports.legal/20222/2022/2022/2022/2022/2022/07/how-school-school-private-private-private-private-nil-nil-nil-nil-nil-nil------------------------------- [https://perma.cc/m7ca-cg5t]。 7。 请参阅ID。 8。 比尔·拉比诺维茨(Bill Rabinowitz),高中四分卫新兵奎因·埃维斯(Quinn Ewers)跳过高级海军森(Sea-Sea-se)参加美国俄亥俄州俄亥俄州t oday(2021年8月2日),https://www.usatoday.com/story.com/story/sports /ncaaf/2021/08/02/quinn-ewers-skip-skip-skip-school-enroll-ohio-state/5456975001/[https://perma.cc/ 5a7k-vd8n]。Ken Kurdziel,Alston的决定:对学生运动员与大学的影响,J Ames M Oore(3月4,2024),https://www.jmco.com/articles/collegiate-athletics/alston-decision-what-what-what-what-do-mean-for-student-student-student-student-netlets-universies/ [https://perma.cc/7yk5-lu52]。5。请参阅Ezzat Nsouli和Andrew King,美国联邦和州立法机关如何为NIL打扮,S Quire P Atton B Oggs(2022年7月13日),https://www.sports.legal/2022/2022/2022/2022/2022/07/how-us-us-us-us-us-us-us-us-us-us-s-state-state-state-state-state-state-state-nel-nil-nil-nil nil/ [https://perma.cc/uu5c-xgwv]。6。s ee ezzat nsouli&Andrew King,学校和私人实体如何从事零活动,s quire p atton b oggs(2022年7月19日),https://www.sports.legal/20222/2022/2022/2022/2022/2022/07/how-school-school-private-private-private-private-nil-nil-nil-nil-nil-nil------------------------------- [https://perma.cc/m7ca-cg5t]。7。请参阅ID。8。比尔·拉比诺维茨(Bill Rabinowitz),高中四分卫新兵奎因·埃维斯(Quinn Ewers)跳过高级海军森(Sea-Sea-se)参加美国俄亥俄州俄亥俄州t oday(2021年8月2日),https://www.usatoday.com/story.com/story/sports /ncaaf/2021/08/02/quinn-ewers-skip-skip-skip-school-enroll-ohio-state/5456975001/[https://perma.cc/ 5a7k-vd8n]。
1 1,大学临床医院肿瘤学系,妇产科和妇产科,35-055Rzeszów,波兰2Rzeszów,25-310 Rzeszow医学科学研究院波兰4临床肿瘤学系与波兰大学临床医院的妇科肿瘤学分区,波兰35-055Rzeszów,55-55-055Rzeszów临床医院临床医院,波兰65-055Rzeszów,Poland 6科学,国家职业大学教授。塔诺布尔兹格(Tarnobrzeg)的StanisławTarnowski,波兰(Poland)39-400 Tarnobrzeg 8医学院,Jagiellonian大学医学院,波兰克拉科夫31-0081,大学临床医院肿瘤学系,妇产科和妇产科,35-055Rzeszów,波兰2Rzeszów,25-310 Rzeszow医学科学研究院波兰4临床肿瘤学系与波兰大学临床医院的妇科肿瘤学分区,波兰35-055Rzeszów,55-55-055Rzeszów临床医院临床医院,波兰65-055Rzeszów,Poland 6科学,国家职业大学教授。塔诺布尔兹格(Tarnobrzeg)的StanisławTarnowski,波兰(Poland)39-400 Tarnobrzeg 8医学院,Jagiellonian大学医学院,波兰克拉科夫31-008
目的:双腿、串联和左右单腿站立(DLS、TS、L-SLS 和 R-SLS)的总时间通常用于评估老年人的稳定性。为了提供老年人运动控制能力的详细信息,肌肉活动数据至关重要。背景:几种站立测试已用于评估老年人未来跌倒的可能性。将肌肉活动数据与站立测试一起纳入稳定性分析,将提供更可靠的姿势稳定性定量指标。方法:我们收集了 22 名老年参与者(70.3±4.2 岁)每条腿六块肌肉的表面肌电图 (sEMG) 数据,并使用大脑运动控制评估 (BMCA) 协议对其进行评估,重点关注幅度和相似性指数 (SI)。15 名能够保持站立至少 10 秒或更长时间的参与者组成对照组,而 7 名保持站立时间少于 10 秒的参与者被分为测试组。结果:对于右侧单腿站立 (R-SLS),对照组显示为 28.1(±3.5) 秒,而测试组平均为 8.9(±4.6) 秒。对照组所有站立姿势的总平均 EMG 幅度为 120.0(±45.6) uV,而测试组为 131.6(±75.5) uV (p > 0.56)。对照组的 SI 为 0.94(±0.04),测试组为 0.84(±0.15) (p < 0.02)。右侧和左侧之间没有发现显著差异。值得注意的是,两名测试组参与者在所有站立姿势下的 SI 值都很低(平均 SI = 0.69±0.16 和 0.60±0.12)。结论:我们应用 BMCA 协议来分析健康老年人在站立测试期间的 sEMG 模式。相似性指数有望成为一种有效的筛查工具,用于识别存在稳定性问题的人。此外,BMCA 协议可用于在各种稳定性测试中监测老年人的运动控制能力。应用:本研究使用 BMCA 协议评估这些姿势下的 sEMG,表明 SI 和维持时间可能是识别平衡困难的老年人的有效筛查工具。关键词:肌电图、单腿姿势、相似性指数、脑运动控制评估 (BMCA)、筛查工具
免责声明 本信息是根据美国政府机构资助的工作编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
。CC-BY 4.0 国际许可,根据 提供(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 6 月 21 日发布。;https://doi.org/10.1101/2024.06.18.599646 doi:bioRxiv 预印本