品牌，Lodewijk；杨雪；刘凯；萨阿德·埃尔贝莱迪；王华；张浩 学习稳健的多标签样本特定距离以识别HIV-1耐药性。 （英语） Zbl 1412.92145号 Cowen，Lenore J.（编辑），《计算分子生物学研究》。第23届国际年会，RECOMB 2019，美国华盛顿特区，2019年5月5日至8日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。11467, 51-67 (2019). 摘要：获得性免疫缺陷综合征（AIDS）是由人类免疫缺陷病毒（HIV）引起的一种综合征。在艾滋病的发展过程中，患者的免疫系统被削弱，从而增加了患者对感染和疾病的敏感性。虽然抗逆转录病毒药物可以有效抑制艾滋病毒，但病毒变异很快，可能对治疗产生耐药性。此外，该病毒还可以通过突变对目前未使用的其他治疗产生耐药性，这在临床研究界被称为交叉耐药性。由于一种HIV毒株可以对多种药物产生耐药性，这个问题自然表现为多标签分类问题。鉴于这种多类关系，传统的单标签分类方法通常无法有效识别特定病毒突变后可能产生的耐药性。在本文中，我们提出了一种新的多标签鲁棒样本特异距离（RSSD）方法来识别多类HIV耐药性。我们的方法是新颖的，因为它可以说明逆转录酶序列对给定药物核苷类似物的耐药性的相对强度，并学习所有耐药性的距离度量。为了学习提出的RSSD，我们制定了一个学习目标，该目标最大化了许多（ell_1）范数距离之和的比率，这通常很难求解。为了解决这个优化问题，我们推导了一个高效的、非贪婪的迭代算法，并证明了其收敛性。我们的新方法已在具有600多个RT序列和5个核苷类似物的公共HIV-1耐药性数据集上得到验证。我们将该方法与其他最新的多标签分类方法进行了比较，实验结果证明了该方法的有效性。关于整个系列，请参见[Zbl 1408.92004号]. MSC公司： 92 C50 医疗应用（一般） 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：人类免疫缺陷病毒；耐药性；多标签分类 PDF格式BibTeX公司 XML格式引用 \textit｛L.Brand｝等人，Lect。注释计算。科学。11467、51-67（2019年；Zbl 1412.92145） 全文： 内政部