Dr.Sim:一个基于学习的通用框架用于基于转录谱的药物注释和重新定位 源码

Dr.Sim:用于转录表型药物发现的相似性学习 介绍 Dr.Sim是一个基于学习的通用框架,可自动推断相似性度量,该度量可用于表征具有良好通用性能的药物发现的转录谱。 传统上,此类相似性测量是通过无监督方式凭经验定义的,而由于这些高通量数据中的高维性和高噪声的存在,它缺乏鲁棒性且性能有限。 我们使用高通量转录扰动数据,对在药物注释和重新定位中全面公开可用的体外和体内数据集上的Dr.Sim进行了评估,并表明Sim博士比现有方法的表现高出两倍,事实证明这是一个不错的选择。通过学习转录相似性来促进概念上的改进,以促进高通量转录扰动数据在表型药物发现中的广泛应用。 依存关系 所需软件: 安装 强烈建议通过docker安装 Dr.Sim的Docker映像可从。 如果您已安装docker,则调用拉取图像: docker pull bm2lab/dr.sim 从github安装 git clone h