iDrug目标
iDrug靶点:通过基准数据集优化方法预测药物化合物与靶蛋白在细胞网络中的相互作用。在细胞网络中药物与蛋白质相互作用的信息对于药物开发是非常重要的。不幸的是,所有现有的识别药物-蛋白质相互作用的预测因子都是由一个倾斜的基准数据集训练而来的,其中非相互作用的药物-蛋白质对的数量远远大于相互作用的。使用这种高度不平衡的基准数据集来训练预测因子,会导致许多相互作用的药物-蛋白质对可能被错误地预测为非交互作用。由于少数交互对往往包含了药物设计中最重要的信息,因此有必要尽量减少这种预测失误。在本研究中,我们采用邻域清理规则和合成少数过采样技术来处理倾斜的基准数据集,平衡正负子集。由此获得的新基准数据集称为优化基准数据集,在此基础上开发了一个新的预测因子iDrug Target,它包含四个子预测因子:iDrug GPCR、iDrug Chl、iDrug Ezy和iDrug NR,专门用于识别药物化合物与GPCRs(G-蛋白偶联受体)的相互作用,离子通道、酶和核受体。对一组实验证实的数据集进行严格的交叉验证表明,这些新的预测值显著优于现有的预测值。为了最大限度地方便用户,在http://www.jci-bioinfo.cn/iDrug-Target/上建立了一个面向iDrug Target的公共可访问Web服务器,用户可以通过该服务器轻松获得想要的结果。我们注意到,上述战略也可广泛应用于其他许多领域。
此软件的关键字