ComboNet用于协同药物组合发现
组合网络由两个网络组成:一个疾病诊断信息网络和一个目标疾病关联网络
单一药物pApA的抗病毒效果是根据其代表zAzA预测的
载体zAzA表征了药物A的DTI特征
(二)一种组合的抗病毒效果是根据其代表zABzAB来预测的，而zABzAB是根据每种药物的分子代表zA、zBzA、zB来计算的
ComboNet在药物组合协同作用、单药抗病毒活性和DTI数据方面接受培训
信用:DOI: 10
1073/pnas
2105070118 新冠肺炎的生存威胁突出表明，迫切需要开发有效的疗法来应对新出现的健康威胁
深度学习给我们带来的奢侈品之一是，随着形势的发展，我们有能力改变形势——只要我们能跟上病毒的威胁，并获得正确的数据
与所有新的医疗疾病一样，数据往往需要时间来赶上，病毒也不需要时间来减缓，这带来了一个困难的挑战，因为它会迅速变异并对现有药物产生耐药性
这让麻省理工学院计算机科学和人工智能实验室(CSAIL)的科学家们提出了一个问题:我们如何为迅速蔓延的新型冠状病毒找到合适的协同药物组合？ 通常情况下，数据科学家利用深度学习从大量现有数据集中挑选出用于癌症和心血管疾病等疾病的药物组合，但可以理解的是，它们不能用于数据有限的新疾病
没有必要的事实和数据，研究小组需要一种新的方法:戴着两顶帽子的神经网络
由于药物协同作用通常通过抑制生物靶标(如蛋白质或核酸)来实现，因此该模型联合学习药物-靶标相互作用和药物-药物协同作用来挖掘新的组合
药物靶点预测器对药物和与所选疾病相关的一组已知生物靶点之间的相互作用进行建模
目标疾病关联预测学会理解药物的抗病毒活性，这意味着确定受感染组织培养物中的病毒产量
他们可以一起预测两种药物的协同作用
发现了两种新的药物组合:瑞得西韦(目前被美国食品和药物管理局批准用于治疗新冠肺炎)和利血平，以及瑞得西韦和智商-1S，在生物检测中，它们被证明对病毒有很强的抵抗力
“通过模拟药物和生物靶标之间的相互作用，我们可以显著减少对联合协同数据的依赖，”CSAIL Ph的晋文公说
D
麻省理工学院布罗德研究所博士后，一篇关于这项研究的新论文的主要作者
“与以前使用药物-靶标相互作用作为固定描述符的方法相反，我们的方法学会了从分子结构预测药物-靶标相互作用
这是有利的，因为大部分化合物具有不完整的药物-靶相互作用信息
" 使用多种药物最大限度地发挥药效，同时减少副作用，对于上述癌症和心血管疾病，包括许多其他疾病，如结核病、麻风病、疟疾，几乎无处不在
非常重要的是，使用专门的药物鸡尾酒可以减少严重的、有时是公开的耐药性威胁(想想被称为“耐甲氧西林金黄色葡萄球菌”)因为许多耐药突变是相互排斥的
病毒更难同时出现两种突变，然后在联合治疗中对两种药物产生耐药性
该模型也不仅限于新型冠状病毒——它也可以用于传染性越来越强的三角洲变种
要扩展到那里，你只需要额外的药物组合协同作用的突变数据
该团队还将他们的方法应用于艾滋病毒和胰腺癌
为了进一步完善他们的生物学模型，该团队计划加入额外的信息，如蛋白质-蛋白质相互作用和基因调控网络
他们正在探索的另一个未来工作方向是“主动学习”
“由于规模有限，许多药物组合模型偏向于某些化学空间，因此预测存在很大的不确定性
主动学习有助于指导数据收集过程，并在更广阔的化学空间中提高准确性
这项研究发表在《美国国家科学院院刊》上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
