通过将药物向信息集成到深度学习模型中,探索阿尔茨海默氏症与精神病的潜在药物:数据驱动的方法
Oshin Miranda1, Chen Jiang1, Xiguang Qi1
1Computational Chemical Genomics Screening Center, Department of Pharmaceutical Sciences, School of Pharmacy, University of Pittsburgh, Pittsburgh, PA 15213, USA.
研究人员使用深度学习来预测阿尔茨海默病 (AD) 患者的精神病. 该模型确定了潜在的药物,为AD与精神病 (AD + P) 的AD提供了新的治疗策略.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 阿尔茨海默病 (AD) 影响全球数百万人,大约50%的人经历精神病症状,定义了亚型 (AD + P).
- AD + P与更快的认知衰退有关,但缺乏特定的FDA批准的治疗方法.
- 目前的管理依赖于非标签的方法,突出了一个未满足的临床需求.
研究的目的:
- 为了提高AD患者的精神病预测,使用结合药物向相互作用的深度学习模型.
- 确定潜在的治疗药物来降低AD中精神病的风险.
- 利用电子健康记录进行神经退行性疾病的预测建模.
主要方法:
- 利用了DeepBiomarker深度学习模型,整合了药物向相互作用数据.
- 分析了匹兹堡大学医学中心的电子健康记录,以预测AD诊断后三个月内精神病发作.
- 采用以药物为中心和以目标为中心的分析方法来确定候选药物和生物标.
主要成果:
- 更新的DeepBiomarker模型实现了高预测精度,接收器操作曲线 (AUROC) 下的面积超过0.90.
- 以药物为中心的分析表明, gabapentin,amlodipine和levothyroxine可能对AD + P有益.
- 针对性分析确定了关键蛋白质 (整合素,通道,氨酸氧酶) 和相关药物,这些药物与阿尔茨海默氏症中精神病相关.
结论:
- 将药物标信息集成到预测模型中,可以显著改善用于AD + P风险降低的药物的识别.
- 这种方法为开发用于阿尔茨海默氏症精神病的新疗法提供了一个有希望的计算策略.
- 这些发现为管理复杂的神经退行性疾病的个性化医疗方法铺平了道路.
更多相关视频
08:01Intracerebroventricular Injection of Amyloid-β Peptides in Normal Mice to Acutely Induce Alzheimer-like Cognitive Deficits
Published on: March 16, 2016
09:33Quantitative 3D In Silico Modeling q3DISM of Cerebral Amyloid-beta Phagocytosis in Rodent Models of Alzheimer's Disease
Published on: December 26, 2016
相关概念视频
Alzheimer's Disease: Treatment
Psychosis: Goals of Pharmacotherapy
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Drug Therapy
Antianxiety Medications
Psychosis and Antipsychotic Drugs: Overview
Long-term Depression
Calcium Ion Concentration Mechanism
If over...
