DeepPINCS

DOI:10.18129 / B9.bioc.DeepPINCS

基于深度学习序列的蛋白质相互作用和化合物网络

Bioconductor版本:发行版(3.16)

新型化合物-蛋白质相互作用(CPI)的鉴定在药物发现中具有重要意义。揭示未知的化合物-蛋白质相互作用有助于通过筛选候选化合物来设计针对目标蛋白的新药。准确的CPI预测有助于有效的药物发现过程。为了有效识别潜在CPI，开发了基于机器学习和深度学习的预测方法。序列数据以离散符号数据的形式提供。在数据中，化合物以SMILES(简化分子输入线输入系统)字符串表示，蛋白质则以氨基酸为特征的序列表示。结果被定义为一个变量，表示两个分子之间相互作用的强度或它们之间是否存在相互作用。在这个包中，一个基于深度学习的模型，仅将化合物和蛋白质的序列信息作为输入，结果作为输出，用于预测CPI。该模型通过使用具有实用特征的化合物编码器和蛋白质编码器实现。CPI模型还支持其他建模任务，包括蛋白质-蛋白质相互作用(PPI)，化学-化学相互作用(CCI)，或单个化合物和蛋白质。 Although the model is designed for proteins, DNA and RNA can be used if they are represented as sequences.

作者:Jung Dongmin [cre, aut]

维护者:Dongmin Jung

安装

要安装这个包，启动R(版本“4.2”)并输入:

如果(!require("BiocManager"， quiet = TRUE)) install.packages("BiocManager")

对于R的旧版本，请参考相应的Bioconductor释放．

文档

要查看系统中安装的此包版本的文档，请启动R并输入:

browseVignettes(“DeepPINCS”)

超文本标记语言	R脚本	DeepPINCS
PDF		参考手册
文本		新闻

细节

biocViews	GraphAndNetwork，网络，NeuralNetwork，软件
版本	1.6.0
在Bioconductor	BioC 3.13 (R-4.1)(1.5年)
许可证	艺术- 2.0
取决于	keras， r (>= 4.1)
进口	tensorflow，CatEncoders，matlab，rcdk，stringdist，分词器，webchem，purrr，ttgsea，PRROC，网状,统计数据
链接
建议	knitr，testthat，rmarkdown
SystemRequirements
增强了
URL
全靠我
进口我	GenProSeq，VAExprs
建议我
链接到我
构建报告

包档案

遵循bob 体育网址 在R会话中使用此包的说明。

源包	DeepPINCS_1.6.0.tar.gz
Windows二进制	DeepPINCS_1.6.0.zip
macOS二进制文件(x86_64)	DeepPINCS_1.6.0.tgz
macOS二进制文件(arm64)	DeepPINCS_1.6.0.tgz
源库	git克隆https://git.bioconductor.org/packages/DeepPINCS
源存储库(开发人员访问)	git克隆git@git.bioconductor.org:packages/DeepPINCS
生物包浏览器	https://code.bioconductor.org/browse/DeepPINCS/
包短Url	//www.anjoumacpherson.com/packages/DeepPINCS/
软件包下载报告	下载数据