人工智能驱动的药物发现和重新定位使用多omics用于心肌梗塞和心力衰竭

科学领域:

• 心血管研究的心血管研究.
• 计算生物学是一种计算生物学.
• 药物发现 药物发现

背景情况:

• 心血管疾病 (CVD) 是全球主要的健康负担,药物发现受到复杂病理的阻碍.
• 现有的药物发现方法与心血管疾病的异质性作斗争.
• 人工智能 (AI),特别是可解释的AI (XAI),在这个领域分析多omics数据方面表现有前途.

研究的目的:

• 审查将人工智能与多omics数据集成为心血管药物发现的潜力.
• 探索人工智能在识别新型治疗点和重新定位心肌梗塞 (MI) 和心力衰竭 (HF) 药物的作用.
• 突出目前的挑战和AI在心血管疾病药物开发中的未来方向.

主要方法:

• 对心血管研究中AI和XAI应用的当前文献的综述.
• 使用人工智能驱动的方法分析多omics数据集 (基因组,转录组,表观组,蛋白组,代谢组).
• 讨论将人工智能与机械模型相结合的新兴方法.

主要成果:

• 人工智能和XAI可以分析复杂的多omics数据,揭示心血管疾病病理,并确定治疗点.
• 人工智能可以提高生物标志物发现和药物反应预测的精度.
• 人工智能与多omics数据的整合表明,有可能加速针对MI和HF的药物发现.

结论:

• 尽管目前的局限性,AI和XAI对推进心血管药物发现具有重大前景.
• 解决数据异质性和模型可解释性等挑战对于临床翻译至关重要.
• 未来的研究应该专注于将AI与机械模型相结合,以提高心血管疾病的生物学相关性和治疗结果.