一个热门新闻:药物协同模式 快捷方式 分子特征

科学领域:

• 计算生物学是一种计算生物学.
• 药物发现 药物发现
• 生物信息学是一种生物信息学.

背景情况:

• 组合药物治疗对复杂疾病具有前景,但由于大量的组合,它面临着挑战.
• 计算模型使用药物的结构/化学信息和细胞系分子特征来预测药物协同作用.
• 目前的模型旨在利用生物和化学数据来预测协同作用.

研究的目的:

• 评估特征表示对药物协同效应预测模型性能的影响.
• 调查复杂的生物和化学特征是否对于准确的协同预测是必要的.
• 确定当前模型在特征学习和概括方面存在的局限性.

主要方法:

• 在现有模型中,复杂的药物和细胞系表征被简单的一次性编码所取代.
• 在各种已发表的药物组合模型中评估模型性能.
• 进行了合成数据实验,以分析使用重复数据结构的模型行为.

主要成果:

• 与复杂的特征相比,一次性编码产生了与复杂特征相比可比或更好的性能.
• 模型似乎主要使用表示作为标识符,利用标签共变.
• 在培训三胞胎时重复数据结构会损害基于特征的学习.
• 模型可以从真实特征中学习,但概括是有限的.

结论:

• 当前的药物协同效应预测模型可能无法充分利用预期的生物和化学特征.
• 使用一次性编码表明在训练数据中依赖于模式识别.
• 需要改进的策略,以便模型可以从真实特征中学习,并将其泛化为新药和细胞系.