shinyDeepDR:一个用户友好的R Shiny应用程序,用于使用深度学习预测抗癌药物反应
Li-Ju Wang1, Michael Ning1, Tapsya Nayak2
1Cancer Therapeutics Program, University of Pittsburgh Medical Center Hillman Cancer Center, Pittsburgh, PA 15232, USA.
Patterns (New York, N.Y.)
|February 19, 2024
概括
shinyDeepDR提供了一个用户友好的网络工具,可以使用深度学习来预测抗癌药物敏感性. 这个可访问的平台帮助研究人员制定个性化癌症治疗策略和药物查.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 精确瘤学需要准确的治疗反应预测.
- 可访问的计算模型对于临床应用至关重要.
- 目前用于药物敏感性预测的深度学习模型通常需要显著的编程专业知识.
研究的目的:
- 推出闪亮的DeepDR,这是DeepDR深度学习模型的基于Web的实现.
- 为研究人员提高基于深度学习的抗癌药物敏感性预测的可访问性.
- 为预测药物反应和识别类似癌症样本提供工具.
主要方法:
- 为DeepDR模型开发一个用户友好的Web界面 (shinyDeepDR).
- 集成用于上传突变和基因表达数据的功能.
- 实施"寻找药物"和"寻找样本"功能,用于药物反应预测和样本相似性搜索.
主要成果:
- shinyDeepDR能够预测对265种抗癌化合物的反应.
- 该工具可以根据基因组资料搜索相似的细胞系 (CCLE) 和瘤 (TCGA).
- 交互式可视化有助于解释预测结果和探索单个化合物.
结论:
- shinyDeepDR是一个直观的,免费的网络工具,用于in silico抗癌药物查.
- 该平台民主化了对用于药物敏感性预测的先进深度学习的访问.
- shinyDeepDR通过帮助选择有效的抗癌治疗来支持个性化医疗.
