药物靶标作用关系预测结果评价及查询验证

药物靶标作用关系预测是一种重要的辅助药物研发手段,而生物实验验证药物靶标作用关系耗钱耗时,因此,在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库,利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check),实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能,并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907,766,458,40对.此外,结合DTcheck查询验证,以BLM(bipartite local models)方法为例分析了预测结果的评价问题,结果表明,采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N 评价合理,且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.

基于logistic回归模型对股票涨跌趋势的预测——以贵阳银行为例

在经济全球化过程中,进入金融行业的投资者越来越多,其中股票投资愈来愈受到大众的关注。股票趋势的预测受到众多投资者的关注,正确的预测有助于减少投资风险。文章运用时间序列数据与logistic回归模型相结合的方法,对贵阳银行的历史股票价格趋势进行实例分析,结合混淆矩阵与AUC评价方法进行模型评估,从而将其合理地用于投资方向与投资战略。

基于共同邻居的链路预测新指标

提出一个新的链路预测相似性指标——局部社团结构指标(Local Community Structure,LCS).在已知网络局部信息的前提下,LCS指标刻画了网络中任意两个节点的共同邻居节点与这两个节点的聚集关系.在基于真实网络的实验中,我们计算并比较了CN、AA、RA和LCS四个指标在7个不同真实网络中的AUC评价指标,发现在簇系数较大的真实网络中LCS指标的预测结果好于其他三个指标.

超链路预测

超链路预测首次被提出,是指在超网络结构上,对未知的超链接及未来超链接的预测。超链路预测是对现有超网络研究的一项重要推进,实现了对复杂超网络的结构演化、调节干预和预测分析等。本文采用网络结构相似性方法,引入超三角形的概念作为相似性的度量指标,提出基于超边相似性的超链路预测算法,并将其应用于实际的舆情超网络模型———钱云会事件中,最后用AUC方法评价超链路预测与链路预测在舆情超网络模型中的优劣。