• 首页
  • 实验室概况
    • 实验室介绍
    • 实验室管理
    • 学术委员会
    • 实验室组成
    • 规章制度
  • 科学研究
    • 研究方向
    • 研究进展
    • 学术论文
    • 科研项目
  • 研究队伍
    • 序列分析
    • 生物网络分析
    • 医学影像分析
    • 生物数据挖掘
  • 研究生教育
    • 招生指南
    • 导师信息
    • 活动展示
  • 合作交流
    • 学术会议
    • 学术报告
  • 开放课题
    • 通知
    • 申请指南
    • 管理办法
    • 经费细则
    • 申请表格
  • 新闻中心
    • 资讯动态
    • 新闻公告
  • 开源软件
  • 联系我们
当前位置: 首页 >> 科学研究 >> 研究进展 >> 正文

MSDRP:基于多源数据预测药物反应的深度学习模型

2023年10月27日 23:10  点击:[]


 中南大学计算机学院、生物信息学湖南省重点实验室成员赵皓晨博士后和张晓玉硕士在药物反应预测领域取得了重要研究成果。该研究成果以“MSDRP: a deep learning model based on multisource data for predicting drug response”为题,在国际生物信息学权威期刊《Bioinformatics》(IF= 5.8)上在线发表。

癌症异质性显著影响癌症的治疗结果。预测体外药物反应有望帮助制定个性化的治疗方案。近年来,已经提出了几种基于机器学习和深度学习的计算模型来预测体外药物反应。然而,这些方法大多基于单一的药物描述符(如药物结构)捕捉药物特征,没有考虑药物和生物实体(如靶标、疾病和副作用)之间的关联关系。此外,已有方法虽然分别对药物和细胞系的特征进行了收集,但它们并没有考虑药物和细胞系之间成对相互作用分布情况。在本文中,作者提出了一个名为MSDRP的深度学习框架对药物反应进行预测。MSDRP使用交互模块来捕捉药物和细胞系之间的交互模式,并通过相似性网络融合算法集成药物和生物实体之间的多种关联/交互,在基准数据集上的实验结果表明,MSDRP在所有评价指标上都优于现有模型。从头测试和独立测试的实验结果也证明了MSDRP对新药的优异性能。此外,案例研究也说明了基于多源数据的药物特征向量表示药物的合理性以及模型的可解释性。本研究为促进人工智能与药物发现相结合提供了新的方法。

 

王建新教授团队长期致力于计算机算法与优化、生物信息学、医学影像分析、医疗数据挖掘等方面研究。该研究工作得到国家重点研发项目、国家自然科学基金、湖南省科技计划等基金支持。

上一条:SSLpheno: 一种面向基因-表型关联预测的自监督学习方法
下一条:CRMSS:基于多尺度的序列和结构特征预测circRNA-RBP结合点

【关闭】

版权所有 生物信息学湖南省重点实验室 Copyright ©2020 http://bio.csu.edu.cn/

湖南省长沙市岳麓区麓山南路932号, 410083 电话/传真:(0731)- 88830212 电子邮件:hunan_bio@csu.edu.cn