药物靶点预测中类别不平衡问题的研究进展

• Published in: 科学技术与工程 Vol. 23; no. 26; pp. 11061 - 11070
• Main Authors: 章新友, 李雪梅, 张春强, 张亚明, 王芝, 周小玲
• Format: Journal Article
• Language: Chinese
• Published: 江西中医药大学计算机学院,南昌 330004 2023
• Subjects: ensemble learning; 集成学习; 药物靶点预测; class imbalance; 类别不平衡; 半监督学习; drug target prediction; semi-supervised learning
• ISSN: 1671-1815
• DOI: 10.3969/j.issn.1671-1815.2023.26.002

TP399; 针对药物靶点预测中类别不平衡的问题,归纳总结相关学者提出的各种处理方法,力求改善药物靶点预测中类别不平衡状况,为药物靶点预测的相关研究提供有利的参考和借鉴.以中国知网、维普、万方数据和PubMed作为主要文献检索平台,查询整理相关文献,对药物靶点预测中类别不平衡问题的研究进行综述.共检索到相关有效文献 81 篇,结果显示类别不平衡问题主要从数据层面、学习算法层面和构造负样本层面着手处理.其中,数据层面的方法主要通过减少或增加一定的数据来平衡数据集;学习算法层面的方法主要利用半监督学习和集成学习思想来使分类算法适用于不平衡数据或构造出平衡数据集;构造负样本层面的方法则是采用一些策略从大量未标记样本中筛选出高可靠的负样本.药物靶点预测中类别不平衡问题的处理方法较多,不同的方法均有特色,但各方法之间无明显差异,都可一定程度上提高药物靶点预测水平,从而为药物靶点预测相关研究提供有力的技术支持.