AutoDTI++: deep unsupervised learning for DTI prediction by autoencoders.

Sajadi, Seyedeh Zahra; Zare Chahooki, Mohammad Ali; Gharaghani, Sajjad; Abbasi, Karim

Sajadi, Seyedeh Zahra; Zare Chahooki, Mohammad Ali; Gharaghani, Sajjad; Abbasi, Karim.

Afiliación

Sajadi SZ; Department of Computer Engineering, Yazd University, Yazd, Iran.
Zare Chahooki MA; Department of Computer Engineering, Yazd University, Yazd, Iran. chahooki@yazd.ac.ir.
Gharaghani S; Laboratory of Bioinformatics and Drug Design (LBD), Institute of Biochemistry and Biophysics, University of Tehran, Tehran, Iran.
Abbasi K; Laboratory of Bioinformatics and Drug Design (LBD), Institute of Biochemistry and Biophysics, University of Tehran, Tehran, Iran.

BMC Bioinformatics ; 22(1): 204, 2021 Apr 20.

Article en En | MEDLINE | ID: mdl-33879050

Asunto(s)

Desarrollo de Medicamentos; Aprendizaje Automático no Supervisado; Algoritmos; Secuencia de Aminoácidos; Descubrimiento de Drogas

Palabras clave

Deep learning; Denoising autoencoder; Drug-target interactions; Latent feature; Unsupervised learning

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Aprendizaje Automático no Supervisado / Desarrollo de Medicamentos Tipo de estudio: Prognostic_studies / Risk_factors_studies Idioma: En Revista: BMC Bioinformatics Asunto de la revista: INFORMATICA MEDICA Año: 2021 Tipo del documento: Article País de afiliación: Irán Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google