药物相互作用
文章平均质量分 91
ShenggengLin
这个作者很懒,什么都没留下…
展开
-
生物信息学|癌症药物图谱使药物协同靶向成为可能
本篇推文引自:A cancer drug atlas enables synergistic targeting of independent drug vulnerabilities1. 摘要 使用联合药物协同作用进行个性化的癌症治疗是有吸引力的,但同时也是一件困难的事情。在这里,我们提出了一种方法来揭示基于单药效应分析的药物组合的有效性。为此,我们使用了来自药物基因组百科全书的剂量反应数据,并将这些数据表示为药物图谱。药物图谱代表了药物作用之间的关系,并允许识别肿瘤在被两种药物攻击时的独立过程原创 2021-03-24 14:34:54 · 1055 阅读 · 0 评论 -
生物信息学|Extracting Drug-Drug Interactions with Attention CNNs
0. 摘要 本文提出了一种新的基于注意力机制的卷积神经网络(CNN)的药物-药物相互作用(DDI)提取模型。CNN已经被证明在DDI提取任务上有很大的潜力;然而,尽管注意力机制在一般领域的分类任务中被证明是有效的,但在目标-实体对句子中强调重要词的注意力机制尚未被利用CNN进行研究。我们在DDI提取-2013共享任务的任务9.2上评估了我们的模型。我们的注意力机制提高了基于CNN的基础DDI模型的性能,该模型获得了69.12%的f-score,可以与最先进的模型竞争。1. 介绍 当同时给病原创 2021-03-24 14:29:05 · 1291 阅读 · 0 评论 -
生物信息学|通过整合药物表型、治疗、化学结构和基因组特征,使用机器学习预测药物-药物相互作用
0. 摘要 目的:药物-药物相互作用(drug - drug interaction, dis)是药物开发和临床应用的重要考虑因素,尤其是联合用药。虽然在临床试验期间有必要确定所有可能的DDIs,但DDIs经常是在药物被批准临床使用后报告的,它们是引起药物不良反应(ADR)和增加医疗保健成本的常见原因。计算方法可以在临床试验中帮助识别潜在的DDIs。 方法:提出一种异构网络辅助推理(HNAI)框架来辅助预测DDIs。首先,我们基于DrugBank数据构建了一个完整的DDI网络,该网络包含72原创 2021-03-24 14:25:52 · 2369 阅读 · 1 评论 -
生物信息学|机制驱动的可解释深度神经网络,用于药物组合的协同预测和通路反卷积
0. 摘要 联合用药在癌症治疗方面显示出了巨大的潜力。不仅可以减轻耐药性,而且可以提高治疗效果。抗癌药物数量的快速增长已经导致所有药物组合的实验研究变得昂贵和耗时。计算技术可以提高药物联合筛选的效率。尽管最近在将机器学习应用于协同药物组合预测方面取得了进展,但仍存在一些挑战。首先,现有方法的性能是次优的。还有很大的改进空间。第二,生物知识没有完全融入到模型中。最后,许多模型缺乏可解释性,限制了它们的临床应用。为了应对这些挑战,我们开发了一种基于知识和自注意力机制的增强深度学习模型TranSynerg原创 2021-03-24 14:22:43 · 1796 阅读 · 0 评论 -
生物信息学|用于预测药物-药物相互作用事件的多模态深度学习框架
本篇推文引自:A multimodal deep learning framework for predicting drug–drug interaction events1. 摘要 动机:药物-药物相互作用(DDIs)是药物研究的主要关注之一。很多基于机器学习的方法被提出用于DDI的预测,但大多数都是预测两种药物是否相互作用。研究发现DDIs可引起不同的后续事件,预测DDI相关事件更有助于探讨联合用药或不良反应背后隐藏的机制。 结果:在本文中,我们从DrugBank数据库中收集DDIs原创 2020-12-09 14:46:31 · 3340 阅读 · 0 评论 -
生物信息学|深度学习改善了药物药物相互作用和药物食物相互作用的预测精度
本篇推文引自:DPDDI: a deep predictor for drug-drug interactions1. 摘要 在本工作中,我们提出了一种新的方法(即DPDDI),利用图卷积网络(GCN)和深度神经网络(DNN)模型作为预测器,从DDI网络中提取药物的网络结构特征,从而预测DDIs。GCN通过获取DDI网络中药物的拓扑关系来学习药物的低维特征表示。DNN预测器将任意两种药物的潜在特征向量串联起来作为对应药物对的特征向量,训练一个DNN,用于预测潜在的药物-药物相互作用。实验结果表明,原创 2020-12-09 14:45:27 · 2244 阅读 · 0 评论 -
生物信息学|药物-药物相互作用的深层预测模型
本篇推文引自:DPDDI: a deep predictor for drug-drug interactions1. 摘要 在本工作中,我们提出了一种新的方法(即DPDDI),利用图卷积网络(GCN)和深度神经网络(DNN)模型作为预测器,从DDI网络中提取药物的网络结构特征,从而预测DDIs。GCN通过获取DDI网络中药物的拓扑关系来学习药物的低维特征表示。DNN预测器将任意两种药物的潜在特征向量串联起来作为对应药物对的特征向量,训练一个DNN,用于预测潜在的药物-药物相互作用。实验结果表明,原创 2020-12-09 14:44:36 · 4403 阅读 · 0 评论 -
生物信息学|使用迁移学习预测未被研究组织中的抗癌药物协同作用
本篇推文引自:Anti-cancer Drug Synergy Prediction in Understudied Tissues using Transfer Learning1. 摘要 动机:高通量组合药物筛选在确定癌症治疗方案上具有优势。一个关键的挑战是,对不同类型癌症的体外药物反应的观察积累数量差异很大,其中一些组织(如骨和前列腺)的研究不足。因此,本文的目标是建立一个药物协同预测模型,以克服缺乏研究的组织数据短缺问题。 结果:从六个不同的数据库中收集了一套完整的癌细胞的遗传、分原创 2020-12-09 14:44:04 · 1732 阅读 · 0 评论