XiaoMi-AI文件搜索系统
World File Search System通过跨网
iDrug：通过跨网络嵌入整合药物重新定位和药物靶标预测
计算药物重新定位和药物靶标预测已成为药物发现早期阶段的重要任务。在以前的研究中，这两项任务通常是分开考虑的。然而，这两个任务中研究的实体（即药物、靶标和疾病）本质上是相关的。一方面，药物与细胞中的靶标相互作用以调节靶标活动，进而改变生物途径以促进健康功能并治疗疾病。另一方面，药物重新定位和药物靶标预测都涉及相同的药物特征空间，这自然地将这两个问题和两个领域（疾病和靶标）联系起来。通过利用群体智慧，可以将知识从一个领域转移到另一个领域。药物-靶标-疾病之间的关系的存在促使我们在药物发现中共同考虑药物重新定位和药物靶标预测。在本文中，我们提出了一种称为 iDrug 的新方法，它通过跨网络嵌入将药物重新定位和药物靶标预测无缝地集成到一个连贯的模型中。具体来说，我们提供了一种原则性的方法来从这两个领域转移知识并提高这两项任务的预测性能。使用真实世界的数据集，我们证明 iDrug 在两项学习任务上的表现都优于几种最先进的方法。我们的代码和数据集可在以下网址获得：https://github.com/Case-esaC/iDrug 。
iDrug：通过跨网络嵌入整合药物重新定位和药物靶标预测
计算药物重新定位和药物靶标预测已成为药物发现早期阶段的重要任务。在以前的研究中，这两项任务通常是分开考虑的。然而，这两个任务中研究的实体（即药物、靶标和疾病）本质上是相关的。一方面，药物与细胞中的靶标相互作用以调节靶标活动，进而改变生物途径以促进健康功能并治疗疾病。另一方面，药物重新定位和药物靶标预测都涉及相同的药物特征空间，这自然地将这两个问题和两个领域（疾病和靶标）联系起来。通过利用群体智慧，可以将知识从一个领域转移到另一个领域。药物-靶标-疾病之间的关系的存在促使我们在药物发现中共同考虑药物重新定位和药物靶标预测。在本文中，我们提出了一种称为 iDrug 的新方法，它通过跨网络嵌入将药物重新定位和药物靶标预测无缝地集成到一个连贯的模型中。具体来说，我们提供了一种原则性的方法来从这两个领域转移知识并提高这两项任务的预测性能。使用真实世界的数据集，我们证明 iDrug 在两项学习任务上的表现都优于几种最先进的方法。我们的代码和数据集可在以下网址获得：https://github.com/Case-esaC/iDrug 。
![出现在KAIS ARXIV中：2403.19178V1 [CS.CR] 2024年3月28日](/simg/g:\will\search\icon\source\d\dc857c1b7e189dd545f8adf1e7146e1963f5c30e.webp)
出现在KAIS ARXIV中：2403.19178V1 [CS.CR] 2024年3月28日
摘要虽然集中式服务器构成单一失败的风险，但通过在多个实体之间实施共识机制，诸如区块链之类的结构化方法提供了令人信服的解决方案。将分布式计算与加密技术合并，分散技术引入了一种新颖的计算范式。区块链通过跨网络节点的共识来验证和记录交易，确保安全，透明和防篡改数据管理。联合学习（FL）作为一个分布式机器学习框架，使参与者能够通过避免直接的原始数据交换来协作训练模型，同时可以保护数据隐私。尽管对分散方法的兴趣日益增加，但它们在FL中的应用仍未得到充实。本文对基于区块链的FL（BCFL）进行了彻底的调查，从而聚焦了区块链的安全功能与FL隐私保护模型培训功能之间的协同作用。首先，我们从三个方面介绍了BCFL的分类法，包括分散的，单独的网络和基于声誉的体系结构。然后，我们总结了BCFL系统的一般体系结构，提供了对区块链信息的FL体系结构的全面观点。之后，我们分析了BCFL在医疗保健，物联网和其他对隐私敏感区域的应用。最后，我们确定了BCFL的未来研究方向。