D3EGFR:一个基于深度学习的网络服务器,用于对EGFR突变驱动的肺癌进行药物敏感性预测和药物反应信息检索
Yulong Shi1,2, Chongwu Li3, Xinben Zhang1
1State Key Laboratory of Drug Research; Drug Discovery and Design Center, Shanghai Institute of Materia Medica, Chinese Academy of Sciences, Shanghai 201203, China.
一个新的数据库和AI模型预测了EGFR突变的非小细胞肺癌 (NSCLC) 患者的药物敏感性. 这个平台通过提供针对肺癌的个性化治疗建议来帮助临床决策.
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:
- 表皮生长因子受体 (EGFR) 突变是非小细胞肺癌 (NSCLC) 的关键驱动因素.
- 对向疗法的可变药物敏感性对NSCLC的精密医学构成了挑战.
- 对于EGFR突变NSCLC的药物推的临床决策支持是非常需要的.
研究的目的:
- 为患有EGFR突变的患者开发一个全面的临床病理特征和药物反应数据库 (D3EGFRdb).
- 创建基于深度学习的预测模型 (D3EGFRAI) 以准确预测EGFR驱动NSCLC中的药物敏感性.
- 为在EGFR突变肺癌中所有已批准的小分子药物建立一个用于临床水平药物反应预测的新平台.
主要方法:
- 用文献挖掘来编制D3EGFRdb数据库,其中包括1339名EGFR突变患者的数据.
- 使用D3EGFRdb数据库开发了一个深度学习模型D3EGFRAI,用于药物敏感性预测.
- 使用来自数据库和内部医院队列的患者数据验证了D3EGFRAI模型.
- 在药物结合口袋中的关键残留物进行了in silico突变扫描,以评估对药物敏感性的潜在影响.
主要成果:
- D3EGFRdb数据库包含了1339名EGFR突变患者的临床病理学特征和药物反应.
- 在D3EGFRdb的患者中,D3EGFRAI模型实现了0.81的预测准确度,在医院的患者中,0.85的预测准确度.
- 该研究探讨了潜在的未来突变及其对药物敏感性的影响.
- D3EGFR是第一个为EGFR突变肺癌中所有已批准的小分子药物提供临床水平药物反应预测的平台.
结论:
- D3EGFRdb和D3EGFRAI为了解EGFR突变驱动的NSCLC和预测药物反应提供了宝贵的资源.
- 开发的AI模型在预测药物敏感性方面表现出高准确性,支持个性化治疗策略.
- 该平台通过为具有特定EGFR突变的NSCLC患者提供可靠的药物建议,促进临床决策.
- 免费访问D3EGFR平台,促进肺癌治疗精准医学的进步.
更多相关视频
13:34A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds
Published on: April 6, 2016
09:38Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure
Published on: August 11, 2017
相关概念视频
Treatment Resistant Cancers
Targeted Cancer Therapies
There are several types of targeted therapies against...
Combination Therapies and Personalized Medicine
The combination of the drug acetazolamide and sulforaphane is a good example of combination therapy to treat cancer. The cells in the interior of a large tumor often die due to the hypoxic and...
Mitogens and the Cell Cycle
