中国矿业大学主页平台系统马佳妮--中文主页-- MULGA, a unified multi-view graph autoencoder-based approach for identifying drug-protein interaction and drug repositioning

马佳妮

马佳妮，1996年4月出生，控制科学与工程博士后流动站师资博士后。共发表学术论文11篇，其中以第一作者发表8篇（JCR Q1 论文6篇，JCR Q2 论文2篇），单篇最高影响因子13.99。参与国家自然科学基金面上项目2项，主持江苏省科研创新计划项目1项。于2022年获得国家公派留学基金委资助，在墨尔本大学进行为期16个月的联合培养。担任JBHI、BMC Bioinformatics、Frontiers in Genetics等杂志审稿人。主要研究工作包括开发基于凸优化或深度学习的算法实现致病RNA甲基化位点及调控机制预测、药物发现和物种关键基因预测。在RNA甲基化方向上，围绕已知高置信度致病RNA甲基化位点稀少且相关预测模型缺失的问题，基于单视角子空间学习理论框架，提出RMDisA...

论文成果中文主页 > 科学研究 > 论文成果

MULGA, a unified multi-view graph autoencoder-based approach for identifying drug-protein interaction and drug repositioning

发布时间：2024-07-20 点击次数：

影响因子：5.8
发表刊物：Bioinformatics
关键字：drug repositioning; multi-view learning; graph autoencoder
论文类型：期刊论文
文献类型：J
是否译文：否
发表时间：2023-09-02
收录刊物：SCI

上一条： 'Bingo' - a large language model- and graph neural network (LLM-GNN)-based workflow for the prediction of essential genes from protein data

下一条： SpBLRSR: Schatten p-norm constrained bounded low-rank subspace recovery for predicting N7-methylguanosine (m7G)-disease associations