摘要
本发明首次提出了一种基于网络的鉴定疾病靶点的方法ComplexDnet。该方法在WGCNA结果的基础上,构建蛋白互作网络,并进一步对网络进行结构关键性分析、鲁棒性分析和功能一致性分析,分别获得三种得分。根据上述三种得分构建了一个综合得分算法,并根据该综合得分对靶点进行排序与筛选,从而获得关键的治疗靶点。本发明的方法可以缩短从数据到候选药物的发现周期,预测准确性高,结果准确。
技术关键词
蛋白相互作用网络
计算机可执行指令
疾病
关键性
蛋白互作网络
深度强化学习算法
基因表达数据
鲁棒性分析
列表
模块
机器学习算法
可读存储介质
网络分析
计算机程序产品
系统为您推荐了相关专利信息
机器人设备执行
样本
对象
计算机可执行指令
视觉数据集
风险监控模型
神经网络模型
风险监控方法
客户
企业
转移性非小细胞肺癌
晚期非小细胞肺癌
因子
队列
女性