TCN-RDP:从时间序列毒基因组数据预测药物诱导的肝损伤
Zhongyan Zhao1, Bin Li2, Haochen Zuo1
1College of Intelligence and Computing, Tianjin University, Tianjin 300350, China.
一个新的模型,TCN-RDP,使用基因表达数据准确预测药物诱导的肝损伤 (DILI). 这种计算方法提高了早期药物安全性评估,并减少了临床试验失败.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算毒理学计算毒理学
- 药物基因组学 药物基因组学
背景情况:
- 药物诱导性肝损伤 (DILI) 在药物开发中构成了重大挑战,导致临床试验失败率高.
- 目前的毒理学评估是耗时和昂贵的,阻碍了早期的肝毒性预测.
- 开发有效和准确的早期DILI检测方法对于药物安全至关重要.
研究的目的:
- 介绍TCN-RDP,一种用于早期肝毒性预测的新型计算模型.
- 利用时间卷积网络 (TCN) 和随机维度转换 (RDP) 来改进基因表达数据的分析.
- 提高DILI预测模型的可解释性和准确性.
主要方法:
- 时间卷积网络 (TCN) 的整合,以分析基因表达数据中的时间依赖性.
- 随机维度转换 (RDP) 的应用,以有效地建模高维基因相互作用.
- 使用基于XGBoost的特征选择算法来识别影响肝毒性的关键基因.
主要成果:
- 在药物诱导的肝损伤方面,TCN-RDP模型实现了84.05%的高预测准确度.
- 该模型展示了功能表征的改进,并捕获了复杂的基因相互作用.
- 综合基因选择算法增强了模型的生物解释性.
结论:
- TCN-RDP为早期肝毒性预测提供了一个生物学上可解释和有效的框架.
- 与传统方法相比,该模型提供了更精确的药物安全性评估方法.
- 未来的研究将专注于用人源数据验证模型,并为监管应用改进毒性分层.
更多相关视频
07:23Author Spotlight: Developing a Simple and Robust Hepatic Model for Pharmacological and Toxicological Applications
Published on: October 20, 2023
09:32Drug-Induced Senescence in Liver Cells Promotes M2 Macrophage Polarization: Implications for Tyrosine Kinase Inhibitor-Associated Hepatotoxicity
Published on: October 17, 2025
相关概念视频
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test
Effect of Hepatic Disease on Pharmacokinetics: Drug Dosing and Hepatic Blood Flow
Effect of Hepatic Disease on Pharmacokinetics: Active Drug, Metabolite and Fraction of Metabolized Drug
Effect of Hepatic Disease on Pharmacokinetics: Dose Adjustments Due to Hepatic Impairment
Hepatic Drug Excretion: Influencing Factors
Physiological Pharmacokinetic Models: Incorporating Hepatic Transporter-Mediated Clearance
A recent model describes pravastatin's hepatobiliary excretion,...
