关于药物重定位（随机游走）论文学习

第一部分：英文单词记录

1、drug药物 2、repositioning重新布置，重新定位3、comprehensive综合4、Bi-random walk algorithm随机游走算法

5、motivation动机6、aims to以...为目标7、identity确定8、indication适应症9、existing目前的

10、promising有希望的11、alternative供选择的12、compromising计算的13、strategy策略14、proposed计划

15、current现在的16、property性能17、to calculate计算18、respectively各自地19、sociation基本群集

20、measures措施21、assumption假想22、associated联系23、and vice versa反之亦然24、utilizes利用25、potential可能26、feature特征27、to calculate计算28、interaction交互29、adopted接受

30、computational计算的31、experiment实验32、demonstrate证明33、approach方法34、reliable可靠地35、prediction语言36、performance性能37、outperform胜过38、recent近代的39、approaches处理

40、selected挑选41、confirm确认42、superior优秀的43、potential潜在的44、indication适应症

45、repositioning重新定位46、genomics基因体学47、consuming消耗48、risk/risky冒险49、tremendously惊人的50、continuously连续不断51、investment投资52、approved经...批准53、in light of根据54、discovery发现55、identify识别56、repurposing再利用57、attract吸引58、pharmaceutical药物59、candidate申请者

60、necessary必要的61、consequently因此62、repositioned复位63、generated产生64、revenue收入

65、patent专利66、holder持有人67、treatment治疗68、originally最初的69、intended打算

70、proposed提议71、predict预报72、direct直接的73、assumption假想的74、conduct管理

75、multiple多样的76、construct构造77、discrimination区别78、implement实施79、classification分类

80、heterogeneous不均匀的81、clustering收集82、unified统一83、framework框架84、iterative反复

85、prioritization优先化86、simultaneously同时的87、integrated完整的88、formulated配方制造

89、recommend推荐90、preferable更好的91、exploited利用92、adopt收养93、effective有效的

94、mechanism机制95、measure测量96、potential潜在的97、aspect方面98、previous早先的

99、interaction互动100、adjust调整101、analysis分析102、simultaneously同时的103、clustered聚合

104、demonstrated示范的105、evaluate估计106、referred参考107、procedure程序108、collect收集

109、heterogeneous异种的110、consisting包括111、standard标准112、obtain获得113、briefly短暂的

114、analyze分析115、various各种各样116、cluster群

第二部分：代码实现

#_Author_:Monkey<br />#!/usr/bin/env python<br />#-*- coding:utf-8 -*-<br /><br />from numpy import * #python 中矩阵处理函数<br />import numpy as np<br /><br />def Normalize(data):<br />    total = sum(data)<br />    return [i/total for i in data]<br /><br />#读出药物疾病相关性文件，进行归一化，并放着矩阵中<br />RD_data = []<br />A = []<br />with open ("DiDrAMat.txt","r") as f:<br />    for fLine in f:<br />        row = [int(x) for x in fLine.split()]#读出文件，split默认按空格进行分割<br />        if(len(row) > 0):<br />            A.append(row)<br />            row = Normalize(row)#调用归一化函数<br />            RD_data.append(row)<br />f.close()<br />RD_data = mat(RD_data)  # 列表转为矩阵  A归一化的矩阵<br />A = mat(A)  # 药物疾病相关性矩阵<br /><br />#读出药物相关性文件，存贮在矩阵中<br />MR_data = []<br />with open("DrugSimMat.txt","r") as f:<br />    for fLine in f:<br />        row = [float(x) for x in fLine.split()]<br />        if(len(row) > 0):<br />            MR_data.append(row)<br />MR_data = mat(MR_data)  #药物相关性矩阵<br />f.close()<br /><br />#读出疾病相关性文件，存储在矩阵中<br />MD_data = []<br />with open("DiseaseSimMat.txt","r") as f:<br />    for fLine in f:<br />        row = [float(x) for x in fLine.split()]<br />        if(len(row) > 0):<br />            MD_data.append(row)<br />MD_data = mat(MD_data)  #疾病相关性矩阵<br />f.close()<br /><br />#随机游走算法<br />alpha = 0.3<br />for  i in range(50):<br />    rflag = 1<br />    lflag = 1<br />    Rr_data = np.dot(RD_data,MR_data*0.3) + 0.7 * A    #313*593  593*593   313*593<br />    Rd_data = np.dot(MD_data,RD_data*0.3) + 0.7 * A    #313*313  313*593   313*593<br />    RD_data = (rflag*Rr_data + lflag*Rd_data)/2<br /><br />#将最终的RD_data 游走后的矩阵 写进文件保存<br />    np.savetxt("DiDrAMat_test.txt",RD_data)<br /><br />