SAFER:以注意力为基础的子超图神经网络,用于预测对剂量组合的有效反应
Yi-Ching Tang1, Rongbin Li1, Jing Tang2
1Center for Safe Artificial Intelligence for Healthcare, McWilliams School of Biomedical Informatics, the University of Texas Health Science Center at Houston, Houston, United States.
人工智能模型可以预测癌症中的药物协同作用,但与剂量和动态网络作斗争. 一个新的图形模型SAFER准确地预测了剂量依赖的药物协同作用,并确定了关键的生物途径.
科学领域:
- 计算生物学是一种计算生物学.
- 药理学 药理学是指药理学的学科.
- 人工智能的人工智能是人工智能.
背景情况:
- 药物组合协同作用在癌症治疗中提供了显著的好处,但会增加毒性的风险.
- 目前用于预测药物协同作用的人工智能 (AI) 模型往往忽略了关键的剂量信息和动态生物网络,限制了它们的适用性.
- 现有的基于图形的模型通常使用静态的蛋白质-蛋白质相互作用,未能捕捉取决于上下文的生物网络动态.
研究的目的:
- 开发一种先进的AI模型,用于预测药物组合协同作用,其中包括剂量效应和动态生物网络.
- 克服现有模型的局限性,这些模型预测了有限剂量的平均协同效应,并依赖于静态相互作用数据.
- 为识别药物反应信号和理解患者特定的分子背景提供一个可解释的框架.
主要方法:
- 介绍了SAFER,一个以注意力为基础的子超图形图形模型.
- 纳入生物知识网络中的复杂关系.
- 考虑了对特定主体生物网络的剂量影响.
主要成果:
- 在基准和独立测试数据集上,SAFER与以前的模型相比表现优越.
- 该模型确定了关键的生物通路和基因,如JAK-STAT信号通路,PRDM12,ZNF781和CDC5L,与肺纤维化有关.
- 分析强调了该模型能够捕捉剂量级药物组合反应的能力.
结论:
- SAFER提供了一个新的,可解释的框架,用于预测癌症治疗中剂量依赖的药物组合协同作用.
- 该模型能够捕捉对象特定的分子背景和剂量效应,从而开辟了新的研究途径.
- 在未来的研究中,SAFER可以用于研究个性化医疗的患者特异性分子网络.
更多相关视频
12:08Diagonal Method to Measure Synergy Among Any Number of Drugs
Published on: June 21, 2018
10:02Event Related Potentials ERPs and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder ADHD
Published on: March 12, 2020
相关概念视频
Dose-Response Relationship: Overview
Dose-Response Relationship: Potency and Efficacy
Agonism and Antagonism: Quantification
To quantify these effects, researchers use a dose-response curve, which provides valuable information about the potency and efficacy of a drug. Potency refers to...
Dose-Response Relationship: Selectivity and Specificity
Nonlinear Pharmacokinetics: Overview
Nonlinearity can arise due to the saturation of plasma protein-binding or...
Drug-Receptor Interactions
Several parameters, such as the drug's affinity for its receptor and its efficacy, which is its ability to activate the receptor, determine the drug's effect on the tissue....
