Link Prediction in Bipartite Graphs and Its Applications to Drug-Target Interaction Prediction

Przewidywanie interakcji między lekami a celami farmakologicznymi (białkami) jest jednym z najbardziej znanych zastosowań uczenia maszynowego w przemyśle farmaceutycznym. Z teoretycznego punktu widzenia zadaniem jest przewidywanie nieznanych powiązań (links) w grafie dwudzielnym (bipartite graph). W porównaniu ze standardową predykcją powiązań, w przypadku predykcji interakcji lek-cel, dodatkowo dostępne są informacje takie jak podobieństwo między parami leków lub parami białek. Włączenie tych dodatkowych informacji jest jednym z kluczowych elementów skuteczne techniki przewidywania interakcji. W tym wystąpieniu przedstawiony zostanie przegląd niektórych z najbardziej znanych technik przewidywania linków i ich adaptacji do przewidywania interakcji lek-cel, począwszy od prostego profilu ważonego (simple weighted profile) (inaczej najbliższego sąsiada lub filtrowanie kolaboracyjne) nad metodami opartymi na faktoryzacji macierzy do dwustronnych modeli lokalnych i niektórych jego ostatnich wariantów. Seminarium odbędzie się w języku angielskim.