摘要
背景:越来越多的实验研究表明,与单一疾病的患者相比,疾病合并症给患者带来更多痛苦,并导致标准治疗失败。因此,准确预测潜在合并症对于设计更有效的治疗策略至关重要。然而,在临床中仅发现了少数疾病合并症。 目的:在这项工作中,我们提出PCHS,一种预测疾病合并症的有效计算方法。 材料和方法:我们使用HeteSim度量来计算全球异构网络中不同疾病对的相关性得分,该得分基于生物学信息整合了六个网络,包括疾病-疾病关联,药物-药物相互作用,蛋白质-蛋白质相互作用和关联其中。我们基于HeteSim得分使用支持向量机(SVM)构建了预测模型。 结果与结论:结果表明,PCHS的性能明显优于以前的最新方法,并且在10倍交叉验证中的AUC得分为0.90。此外,我们的一些预测已在文献中得到验证,表明了我们方法的有效性。
关键词: 疾病合并症,HoteSim量度,异构网络,疾病基因,疾病药物,蛋白质相互作用。
图形摘要
[http://dx.doi.org/10.1016/j.molmed.2013.07.004]
[http://dx.doi.org/10.1370/afm.1]
[http://dx.doi.org/10.1186/1472-6963-6-84]
[http://dx.doi.org/10.1053/ajkd.2001.29275]
[http://dx.doi.org/10.1016/j.neucom.2018.01.085]
[http://dx.doi.org/10.1073/pnas.0701361104]
[http://dx.doi.org/10.1073/pnas.0701722105]
[http://dx.doi.org/10.1038/msb.2009.16]
[http://dx.doi.org/10.1073/pnas.0802208105]
[http://dx.doi.org/10.1109/TCBB.2013.10]
[http://dx.doi.org/10.1038/nature04209]
[http://dx.doi.org/10.1016/j.cell.2005.08.029]
[http://dx.doi.org/10.2174/1566523218666181010101114]
[http://dx.doi.org/10.1038/msb.2011.29]
[http://dx.doi.org/10.1038/srep00757]
[http://dx.doi.org/10.1186/2043-9113-4-8]
[http://dx.doi.org/10.1126/science.1257601]
[http://dx.doi.org/10.1186/s12864-017-4272-7]
[http://dx.doi.org/10.1109/TCBB.2016.2550443]
[http://dx.doi.org/10.1038/s41598-017-03986-1]
[http://dx.doi.org/10.1109/TCBB.2016.2520947]
[http://dx.doi.org/10.1093/nar/gkq1126]
[http://dx.doi.org/10.1016/j.ins.2019.05.017]
[http://dx.doi.org/10.1016/j.jbi.2018.11.005]
[http://dx.doi.org/10.1093/nar/gku1003]
[http://dx.doi.org/10.1093/nar/gki033]
[http://dx.doi.org/10.1109/BIBM.2017.8217698]
[http://dx.doi.org/10.1186/s12859-018-2220-4]
[http://dx.doi.org/10.1016/j.ymeth.2018.06.001]
[http://dx.doi.org/10.1186/s12920-018-0414-2]
[http://dx.doi.org/10.1109/TCBB.2017.2701379]
[http://dx.doi.org/10.1109/TCBB.2017.2704587]
[http://dx.doi.org/10.1093/bioinformatics/btx833]
[http://dx.doi.org/10.1016/j.compbiolchem.2018.03.017]
[http://dx.doi.org/10.3389/fgene.2019.00003]
[http://dx.doi.org/10.1109/TCBB.2019.2904965]
[http://dx.doi.org/10.1038/s41598-019-45954-x]
[http://dx.doi.org/10.1093/nar/gky1051]
[http://dx.doi.org/10.1093/bioinformatics/bty002]
[http://dx.doi.org/10.1093/bib/bbx103]
[http://dx.doi.org/10.1093/bioinformatics/bty440]
[http://dx.doi.org/10.1109/TCBB.2016.2530062] [PMID: 26890921]
[http://dx.doi.org/10.1038/s41598-019-45814-8] [PMID: 31249365]
[http://dx.doi.org/10.1093/bib/bbx041] [PMID: 28453640]
[http://dx.doi.org/10.1109/TKDE.2013.2297920]
[http://dx.doi.org/10.1186/s12859-018-2390-0]
[http://dx.doi.org/10.1023/A:1009715923555]
[http://dx.doi.org/10.1214/aos/1013203451]
[http://dx.doi.org/10.1155/2015/671950]
[http://dx.doi.org/10.1038/s41598-018-19357-3]
[http://dx.doi.org/10.1126/science.1257601]
[http://dx.doi.org/10.1097/MD.0000000000006396]
[http://dx.doi.org/10.5306/wjco.v5.i3.197]
[http://dx.doi.org/10.2174/1566523218666181004145424]