Cosynllm：LLM生成の説明による薬物併用療法の予測

科学分野:

• 計算生物学;薬理学;人工知能

背景:

• 薬物併用療法は複雑な疾患にとって重要ですが、潜在的な併用療法の膨大な数により課題に直面しています。;すべての薬物併用療法の実験的スクリーニングは非現実的で高価です。;深層学習と大規模言語モデル（LLM）は、相乗的な薬物併用療法の予測において可能性を示しています。

研究 の 目的:

• 薬物併用相乗効果を予測するためのLLM支援フレームワークであるCoSynLLMを開発すること。;包括的な薬物表現のために、LLMから派生した意味情報と薬物指紋を活用すること。;相乗効果予測における細胞の文脈のために、細胞株の遺伝子発現データを統合すること。

主な方法:

• CoSynLLMは、LLMを使用して意味化学情報を生成します。;薬物指紋は、明示的な構造的特徴のために組み込まれています。;階層的な特徴量融合戦略は、相乗効果予測のために薬物および細胞株のデータをマージします。

主要な成果:

• CoSynLLMは、ベンチマークデータセット（NCI-ALMANACおよびO'Neil）で競争力のあるパフォーマンスを示しました。;フレームワークは薬物併用相乗効果を効果的に予測します。;本研究は、計算薬物発見におけるLLMの有用性を強調しています。

結論:

• CoSynLLMは、相乗的な薬物併用療法の予測のための堅牢な計算フレームワークを提供します。;このアプローチは、効果的な併用療法の同定を加速することができます。;LLM支援方法は、併用薬物スクリーニングの課題に対する実用的な解決策を提供します。