PulseAugur
中
实时 09:16:13

新的CTTC方法提高了药物再利用的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为耦合张量-张量分解（CTTC）的新方法，以提高张量分解问题的准确性，特别是在药物再利用等生物医学应用中。与先前只能整合基于矩阵的辅助信息的方法不同，CTTC可以利用基于张量的辅助信息来揭示多模态张量之间隐藏的联系。推导了一种交替算法来解决CTTC优化问题，并证明了其收敛性。在实验中，CTTC在基准数据集上的性能和运行时间均优于现有方法，在预测药物效果方面显示出更高的准确性。 AI

影响 该方法可以通过更好地预测药物效果来提高药物发现和开发的效率和准确性。

排序理由 该集群包含一篇详细介绍新计算方法及其在科学领域应用的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CTTC方法提高了药物再利用的准确性

本文如何被排名

Signal score
10 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍新计算方法及其在科学领域应用的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Maryam Bagherian, Albert Hung, Ivo Dinov, Joshua Welch ·

    耦合张量-张量补全方法及其在药物再利用中的应用

    arXiv:2609.03190v1 Announce Type: cross Abstract: Many biomedical challenges can be posed as tensor completion problems where the observed entries of a multidimensional array (a tensor) are used to impute the missing values. In such settings, incorporating side information about …

相关话题