相关实验视频
Updated: Sep 17, 2025
12:08
Diagonal Method to Measure Synergy Among Any Number of Drugs
Published on: June 21, 2018
18.8K
无监督的细胞系嵌入使用对对药物反应相关性
1Dept. of Bio and Brain Engineering, KAIST, 291, Daehak-ro, Yuseong-gu, Daejeon, 34141, Korea.
Computational and structural biotechnology journal
|June 30, 2025
概括
这项研究引入了一种深度学习模型,用于统一各种细胞系数据,用于药物发现. 该模型改善了对药物反应和协同作用的预测,帮助癌症研究.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 人类细胞系模型对于疾病研究和药物发现至关重要.
- 细胞系表征中的数据异质性和碎片化阻碍了最佳利用.
- 现有的方法难以整合多样化的药物查和omics数据.
研究的目的:
- 开发一种无监督的深度学习模型,用于整合异质细胞系数据.
- 为了创建一个统一的细胞系嵌入用于增强药物发现应用程序.
- 提高机器学习性能,预测药物反应和协同作用.
主要方法:
- 开发了一种利用对比学习的无监督深度学习模型.
- 该模型将异质药物反应查数据集成到统一的细胞系嵌入中.
- 使用夏普利增材解释 (SHAP) 来识别影响嵌入的关键基因.
主要成果:
- 嵌入的统一细胞系显著增强了下游机器学习任务.
- 模型性能在预测药物协同作用和细胞系药物反应方面得到改善.
- 有助于嵌入的已识别的基因与癌症药物耐药性有关.
结论:
- 开发的深度学习嵌入有效地集成异质细胞系数据.
- 这种方法提高了机器学习模型在药物发现中的预测能力.
- 这些发现提供了对影响癌症药物耐药性的遗传因素的见解.
更多相关视频
07:37An Integrated Raman Spectroscopy and Mass Spectrometry Platform to Study Single-Cell Drug Uptake, Metabolism, and Effects
Published on: January 9, 2020
9.6K
09:21Author Spotlight: Generating Neuronal Phenotypic Profiles - A Protocol to Culture and Image Human Midbrain Dopaminergic Neurons
Published on: July 7, 2023
1.7K
