DTI-GP: 深層カーネルガウス過程を用いた薬物-標的相互作用のベイズ的操作
Research Paper#Drug Discovery, Machine Learning, Bayesian Methods🔬 Research|分析: 2026年1月3日 06:25•
公開: 2025年12月31日 11:55
•1分で読める
•ArXiv分析
本論文は、深層カーネルガウス過程を用いて薬物-標的相互作用を予測する新しいアプローチであるDTI-GPを紹介しています。重要な貢献は、ベイズ推論を統合し、確率的予測と、拒否を伴うベイズ分類やトップK選択などの新しい操作を可能にしている点です。これは、予測の不確実性をより詳細に理解し、創薬におけるより情報に基づいた意思決定を可能にするため、重要です。
重要ポイント
引用・出典
原文を見る"DTI-GP outperforms state-of-the-art solutions, and it allows (1) the construction of a Bayesian accuracy-confidence enrichment score, (2) rejection schemes for improved enrichment, and (3) estimation and search for top-$K$ selections and ranking with high expected utility."