Reposicionamento de Fármacos In Silico
O aprendizado de máquina em redes farmacológicas abrange uma ampla gama de aplicações, com o potencial de impulsionar projetos que se concentram no desenvolvimento de medicamentos e tratamentos para doenças negligenciadas.
Neste projeto, nosso objetivo é investigar métodos de aprendizado de máquina para prever interações entre medicamentos e alvos, através da integração de dados heterogêneos (Multiple Kernel Learning).
Relevant publications:
Nascimento, André C. A.; PRUDÊNCIO, RICARDO B. C. ; Costa, Ivan G. . A multiple kernel learning algorithm for drug-target interaction prediction. BMC Bioinformatics, v. 17, p. 46, 2016.
Nascimento, André C. A.; PRUDÊNCIO, RICARDO B. C. ; Costa, Ivan G. . A Drug-Target Network-Based Supervised Machine Learning Repurposing Method Allowing the Use of Multiple Heterogeneous Information Sources. In: Quentin Vanhaelen. (Org.). Methods in Molecular Biology. 01ed.New York: Springer New York, 2019, v. 01, p. 281-289..
Nascimento, André C. A.; PRUDENCIO, R. B. C. ; de Souto, Marcilio C. P. ; Costa, Ivan G. . Mining Rules for the Automatic Selection Process of Clustering Methods Applied to Cancer Gene Expression Data. In: International Conference on Artificial Neural Networks, 2009, Limassol, Cyprus. Proc. of the International Conference on Artificial Neural Networks. Berlin: Springer-Verlag, 2009.
