通过使用途径级图形卷积网络预测药物反应来对非小细胞肺癌进行药物重新定位
I T Anjusha1, K A Abdul Nazeer1, N Saleena1
1Department of Computer Science and Engineering, National Institute of Technology Calicut, Kozhikode, India.
Journal of bioinformatics and computational biology
|March 26, 2025
概括
这项研究引入了一种针对非小细胞肺癌 (NSCLC) 的新型药物重定位方法,通过将途径相互作用集成到深度学习模型中. 这种方法提高了药物反应预测的准确性,识别了有希望的重定向候选人.
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.
- 在瘤学瘤学.
背景情况:
- 药物重用确定了现有药物的新用途.
- 预测药物反应对于识别可行的候选人至关重要.
- 当前的深度学习模型缺乏生物通路相互作用的整合.
研究的目的:
- 开发一种先进的药物反应预测模型.
- 将生物通路互动纳入深度学习,以提高预测.
- 为了确定非小细胞肺癌 (NSCLC) 的潜在药物重用候选人.
主要方法:
- 开发了一种新的深度学习模型,结合了图形卷积运算.
- 利用路径-路径相互作用网络来表示癌症细胞系特征.
- 在GDSC1000数据集上应用该模型来预测药物反应.
主要成果:
- 与最先进的方法相比,拟议的模型在药物反应预测方面表现优越.
- 实现了改进的指标,包括根均二次误差,确定系数和皮尔森相关系数.
- 确定了几个潜在的药物重定向候选人NSCLC,在临床研究和文献中得到了验证.
结论:
- 整合通路-通路相互作用显著提高了药物反应预测的准确性.
- 开发的模型有效地识别了NSCLC的新药重用机会.
- 这种方法有望加速药物发现和开发.
关键词:
药物反应预测药物反应预测.在NSCLCLC中,我们可以看到NSCLCLC.深度学习是一种深度学习.毒品的重新使用.基因表达的基因表达方式图表 卷积网络 卷积网络图形神经网络的神经网络路径 路径 路径更多相关视频
06:51Utilizing 18F-FDG PET/CT Imaging and Quantitative Histology to Measure Dynamic Changes in the Glucose Metabolism in Mouse Models of Lung Cancer
Published on: July 21, 2018
17.5K
07:59Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
Published on: September 8, 2023
992
