首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

iScience | 大规模表征学习寻找分子间相互作用

今天给大家介绍的文章是“Learning Representations to Predict Intermolecular Interactions on Large-Scale Heterogeneous Molecular Association Network”,这篇文章是中国科学院新疆理化技术研究所尤著宏教授团队的研究成果。作者整合了miRNAs、lncRNAs、circRNAs、mRNAs、蛋白质、药物、微生物、复杂疾病之间的综合关联,形成异质性分子关联网络,并提出了一种预测分子间相互作用的机器学习方法——MMI-Pred。具体的说,提出了一种充分利用生物分子的网络行为的网络嵌入模型,并计算了生物分子的属性特征。然后,结合这些鉴别特征来训练一个随机森林分类器来预测分子间的相互作用。实验表明,这个方法可以很好地推断各种分子组成之间的复杂关联。

04

常用的机器学习算法比较

机器学习算法太多了,分类、回归、聚类、推荐、图像识别领域等等,要想找到一个合适算法真的不容易,所以在实际应用中,我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法,诸如SVM,GBDT,Adaboost,现在深度学习很火热,神经网络也是一个不错的选择。假如你在乎精度(accuracy)的话,最好的方法就是通过交叉验证(cross-validation)对各个算法一个个地进行测试,进行比较,然后调整参数确保每个算法达到最优解,最后选择最好的一个。但是如果你只是在寻找一个“足够好”的算法来解决你的问题,或者这里有些技巧可以参考,下面来分析下各个算法的优缺点,基于算法的优缺点,更易于我们去选择它。

02
领券