MOKPE: drug–target interaction prediction via manifold optimization based kernel preserving embedding

MOKPE: drug–target interaction prediction via manifold optimization based kernel preserving embedding - BMC Bioinformatics

1. 本研究の学術的な背景と研究が解決する問題は何ですか？
==> バイオインフォマティクスの多くのアプリケーションでは、異種のヘテロジニアスな情報源からデータが得られます。薬剤 - ターゲット相互作用（DTIs）の同定はその中でも一例であり、特に薬剤開発にとって重要です。本研究では、薬剤ー標的相互作用と薬剤ー薬剤、標的ー標的の類似性を同時に保存することで、異種の薬剤-標的データを単一の埋め込み空間に埋め込むための新しいフレームワーク「MOKPE」を提案しました。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
==> 本研究では、MOKPEフレームワークを使用して、薬剤 - 標的相互作用の予測を実証し、異種データを統合するための新しいアプローチを提案しています。

3. 研究の着想を得た経緯や、関連する国内外の研究動向とは何ですか？
==> DTIの同定は薬物開発において重要な問題であり、様々な研究が行われています。

4. 本研究で何をどのように、どこまで明らかにした？
==> 本研究では、MOKPEフレームワークを使用して、異種の薬剤 - 標的データを単一の埋め込み空間に埋め込む手法を提案し、異なるデータセットに対する予測モデルの構築と評価を行いました。また、MOKPEメソッドによる未知のDTI予測の評価も行いました。

5. 本研究の有効性はどのように検証した？
==> 本研究では、クロスバリデーションによる評価により、MOKPEフレームワークが、従来の同様の予測モデルに比べて優れた予測性能を有することを示しました。また、GitHubで実装が公開され、再現実験も行われました。