BTOB-T: 基于蛋白质基因组学的双边处理深度学习框架,用于乳腺癌的药物重新定位治疗
Jong Ho Jhee1, Hwiyeong Lee2, Hyunmi Kim3
1Inria, Inserm, Université Paris Cité, UMR 1346, Paris, France; Department of Artificial Intelligence, Ajou University, Suwon, 16499, Republic of Korea; Center for Korea Initiative for Fostering University of Research and Innovation (KIURI) Bio-Artificial Intelligence, Ajou University School of Medicine, Suwon, 16499, Republic of Korea.
这项研究介绍了BTOB-T,这是一种用于乳腺癌药物重新定位的新型深度学习框架. 它通过整合多omics数据和基因相互作用,准确地预测药物疗效,加速治疗开发.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 药理学 药理学 是一个学科.
背景情况:
- 深度学习模型加速药物开发,但与乳腺癌的分子异质性作斗争.
- 从乳腺癌的多omics数据中提取基因签名是一项挑战.
研究的目的:
- 介绍基于蛋白质基因组学的双边深度学习框架,用于乳腺癌治疗的药物重新定位 (BTOB-T).
- 通过整合多omics数据和基因相互作用网络,提高预测乳腺癌药物疗效的准确性.
主要方法:
- 利用基于变压器的模型进行集成基因表征提取.
- 构建了一个乳腺癌网络,其中包含了基因表示和基因关系.
- 应用图核方法来计算"综合药物评分",通过比较癌症网络与复合扰乱网络.
主要成果:
- 通过使用临床试验数据,药物清单,现象学和细胞活力测试,验证了BTOB-T预测.
- 该框架成功地整合了多个omics数据和基因关系,以提高预测.
- 在预测乳腺癌治疗新药疗效方面表现出更高的准确性.
结论:
- BTOB-T为乳腺癌药物重新定位提供了一种强大的新方法.
- 该框架能够整合复杂的生物数据,从而提高预测准确度.
- 促进更高效和有效的乳腺癌治疗开发.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
03:08Using Human Differentially Expressed Gene Lists to Perform Downstream Pathway Enrichment Analysis and Target Prioritization
Published on: October 3, 2025
