老化Synergy:一个基于注意力的网络,通过人类衰老基因组学发现新的老化组合

科学领域:

• 老年病学和药理学.
• 计算生物学和生物信息学
• 药物的发现和开发.

背景情况:

• 自2015年以来,针对衰老的药物,老化药物,已经显示出有前途.
• 基于机制的策略,而不是随机查,导致了早期的发现,如达沙替尼 (D) 和氨酸 (Q).
• 预测有效的解组合需要大量的实验数据,这限制了当前的研究.

研究的目的:

• 开发一个计算框架来预测协同效应的老化药物组合.
• 识别用于衰老干预的新,高可信度的老化药物组合.
• 为了克服在老化药物发现中的实验数据要求的局限性.

主要方法:

• 使用了差异基因表达分析和机器学习技术.
• 在1624个与衰老相关的核心基因上重新训练了一种多模式的注意力机制模型,创建了SenolyticSynergy框架.
• 63种老化化合物被用于生成1953种潜在药物组合进行分析.

主要成果:

• SenolyticSynergy确定了190种高可信度药物组合,预测了协同效应得分.
• 十种组合显示出异常高的协同效应得分 (>8).
• 西洛和尼塔佐化的组合排名最高,是有前途的候选药物,经过文献和分子建模验证.

结论:

• 赛诺利特协同框架使抗衰老药物组合的大规模预测成为可能.
• 这种方法加速了对新型老化疗法的研究.
• 泰姆西罗利斯和尼塔佐化物代表了在老化药物开发中的潜在重大突破.