Apprentissage semi-supervisé sur graphes pour la prédiction des interactions médicamenteuses

Prijzen vanaf
49,99

Gesponsorde links

VERGELIJK ALLE AANBIEDERS (2)

Beschrijving

Bol Ce projet propose un cadre d'apprentissage semi-supervisé sur les graphes pour la prédiction des interactions médicamenteuses, conçu pour pallier les limites des méthodes traditionnelles d'apprentissage supervisé qui nécessitent de grandes quantités de données d'interactions étiquetées. L'approche proposée intègre efficacement à la fois des informations étiquetées et non étiquetées sur les médicaments, ce qui permet au modèle d'apprendre des modèles significatifs même lorsqu'un nombre limité d'interactions connues est disponible. Chaque médicament est représenté à l'aide d'informations complètes sur ses caractéristiques, notamment ses structures moléculaires, ses descripteurs chimiques, ses propriétés pharmacologiques et les réseaux d'interactions existants. Ces caractéristiques sont intégrées dans une représentation sous forme de graphe qui préserve les relations intrinsèques entre les médicaments. Un réseau neuronal sur graphe est ensuite utilisé pour effectuer la transmission de messages et l'agrégation de voisinage, générant ainsi des vecteurs d'embedding de faible dimension qui capturent à la fois les caractéristiques structurelles et sémantiques de chaque médicament au sein du réseau d'interactions. Ces embeddings appris sont ensuite utilisés pour prédire, avec une précision accrue, des interactions médicamenteuses jusqu'alors inconnues ou potentielles.

Vergelijk aanbieders (2)

Gesponsorde links · Sommige shops betalen ons een vergoeding

Sorteren op:

€ 49,99 Gratis verzending

€ 78,71 € 4,19 verzendkosten Totaal € 82,90

Beschrijving (1)

Ce projet propose un cadre d'apprentissage semi-supervisé sur les graphes pour la prédiction des interactions médicamenteuses, conçu pour pallier les limites des méthodes traditionnelles d'apprentissage supervisé qui nécessitent de grandes quantités de données d'interactions étiquetées. L'approche proposée intègre efficacement à la fois des informations étiquetées et non étiquetées sur les médicaments, ce qui permet au modèle d'apprendre des modèles significatifs même lorsqu'un nombre limité d'interactions connues est disponible. Chaque médicament est représenté à l'aide d'informations complètes sur ses caractéristiques, notamment ses structures moléculaires, ses descripteurs chimiques, ses propriétés pharmacologiques et les réseaux d'interactions existants. Ces caractéristiques sont intégrées dans une représentation sous forme de graphe qui préserve les relations intrinsèques entre les médicaments. Un réseau neuronal sur graphe est ensuite utilisé pour effectuer la transmission de messages et l'agrégation de voisinage, générant ainsi des vecteurs d'embedding de faible dimension qui capturent à la fois les caractéristiques structurelles et sémantiques de chaque médicament au sein du réseau d'interactions. Ces embeddings appris sont ensuite utilisés pour prédire, avec une précision accrue, des interactions médicamenteuses jusqu'alors inconnues ou potentielles.


Productspecificaties

Merk Editions Notre Savoir
EAN
  • 9786630314779
Maat


Prijshistorie

* Prijshistorie bevat geen data van Amazon.

Prijzen voor het laatst bijgewerkt op:

Uitgelichte Keuze
49,99
Naar shop