論文の概要: Network Medicine Framework for Identifying Drug Repurposing
Opportunities for COVID-19
- arxiv url: http://arxiv.org/abs/2004.07229v2
- Date: Sun, 9 Aug 2020 15:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 03:15:44.142279
- Title: Network Medicine Framework for Identifying Drug Repurposing
Opportunities for COVID-19
- Title（参考訳）: 新型コロナウイルス薬品購入機会の特定のためのネットワークメディカルフレームワーク
- Authors: Deisy Morselli Gysi and \'Italo Do Valle and Marinka Zitnik and Asher
Ameli and Xiao Gan and Onur Varol and Susan Dina Ghiassian and JJ Patten and
Robert Davey and Joseph Loscalzo and Albert-L\'aszl\'o Barab\'asi
- Abstract要約: 現在のパンデミックは、SARS-CoV-2感染の潜在的な効果のために、迅速かつ確実に臨床承認された化合物を優先順位付けできる方法の必要性を強調している。
ここでは,人工知能,ネットワーク拡散,ネットワーク近接に頼ったアルゴリズムをデプロイし,SARS-CoV-2に対する効果を期待して,それぞれ6,340の薬物をランク付けする。
ほとんどのアルゴリズムは、これらの基底真理データに対して予測力を提供するが、すべてのデータセットやメトリクスに対して一貫した信頼性のある結果を提供する方法は存在しない。
- 参考スコア（独自算出の注目度）: 6.7410870290301
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The current pandemic has highlighted the need for methodologies that can
quickly and reliably prioritize clinically approved compounds for their
potential effectiveness for SARS-CoV-2 infections. In the past decade, network
medicine has developed and validated multiple predictive algorithms for drug
repurposing, exploiting the sub-cellular network-based relationship between a
drug's targets and disease genes. Here, we deployed algorithms relying on
artificial intelligence, network diffusion, and network proximity, tasking each
of them to rank 6,340 drugs for their expected efficacy against SARS-CoV-2. To
test the predictions, we used as ground truth 918 drugs that had been
experimentally screened in VeroE6 cells, and the list of drugs under clinical
trial, that capture the medical community's assessment of drugs with potential
COVID-19 efficacy. We find that while most algorithms offer predictive power
for these ground truth data, no single method offers consistently reliable
outcomes across all datasets and metrics. This prompted us to develop a
multimodal approach that fuses the predictions of all algorithms, showing that
a consensus among the different predictive methods consistently exceeds the
performance of the best individual pipelines. We find that 76 of the 77 drugs
that successfully reduced viral infection do not bind the proteins targeted by
SARS-CoV-2, indicating that these drugs rely on network-based actions that
cannot be identified using docking-based strategies. These advances offer a
methodological pathway to identify repurposable drugs for future pathogens and
neglected diseases underserved by the costs and extended timeline of de novo
drug development.
- Abstract（参考訳）: 現在のパンデミックは、SARS-CoV-2感染の潜在的な効果のために、迅速かつ確実に臨床承認された化合物を優先順位付けできる方法の必要性を強調している。
過去10年間で、ネットワークメディカルは、薬物の標的と疾患遺伝子の間の細胞内ネットワークに基づく関係を利用して、薬物の再利用のための複数の予測アルゴリズムを開発し、検証してきた。
そこで我々は,人工知能,ネットワーク拡散,ネットワーク近接に基づくアルゴリズムをデプロイし,それぞれがSARS-CoV-2に対する効果を期待して6,340の薬物をランク付けするよう命じた。
予測を検証するために,veroe6細胞で実験的にスクリーニングされた基底的真理918薬と,臨床試験中の薬物の一覧を用いて,covid-19の有効性を有する薬物に対する医療コミュニティの評価を捉えた。
ほとんどのアルゴリズムは、これらの基底真理データに対して予測能力を提供しているが、すべてのデータセットとメトリクスに対して一貫した結果を提供する単一の方法はない。
これにより、全てのアルゴリズムの予測を融合させるマルチモーダルアプローチを開発し、異なる予測手法間のコンセンサスが、最高のパイプラインの性能を常に上回ることを示した。
ウイルス感染の抑制に成功している77薬のうち76薬はSARS-CoV-2を標的としたタンパク質に結合せず、これらの薬はドッキングベースの戦略では特定できないネットワークベースの作用に依存している。
これらの進歩は、将来の病原体や、デ・ノボの薬物開発のコストと長期のスケジュールで守られていない疾患に対する再生可能な薬物を同定する方法を提供する。
関連論文リスト
- A Cross-Field Fusion Strategy for Drug-Target Interaction Prediction [85.2792480737546]
既存の方法は、DTI予測中にグローバルなタンパク質情報を利用することができない。
ローカルおよびグローバルなタンパク質情報を取得するために、クロスフィールド情報融合戦略が採用されている。
SiamDTI予測法は、新規薬物や標的に対する他の最先端(SOTA)法よりも高い精度を達成する。
論文 参考訳（メタデータ） (2024-05-23T13:25:20Z) - Multiscale Topology in Interactomic Network: From Transcriptome to
Antiaddiction Drug Repurposing [0.3683202928838613]
米国における薬物依存の激化は、革新的な治療戦略の緊急の必要性を浮き彫りにしている。
本研究は,オピオイドおよびコカイン依存症治療の薬物再服用候補を探索するための,革新的で厳格な戦略に着手した。
論文 参考訳（メタデータ） (2023-12-03T04:01:38Z) - Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural
Network with Biomedical Network [69.16939798838159]
本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。
EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。
全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
論文 参考訳（メタデータ） (2023-11-15T06:34:00Z) - Zero-shot Learning of Drug Response Prediction for Preclinical Drug
Screening [38.94493676651818]
ゼロショット学習ソリューションを提案する。
予防的薬物スクリーニングの課題です
具体的には、MSDAと呼ばれるマルチブランチマルチソースドメイン適応テスト拡張プラグインを提案する。
論文 参考訳（メタデータ） (2023-10-05T05:55:41Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-01-14T15:07:43Z) - KGML-xDTD: A Knowledge Graph-based Machine Learning Framework for Drug
Treatment Prediction and Mechanism Description [11.64859287146094]
KGML-xDTD(知識グラフに基づく機械学習フレームワーク)を提案する。
グラフベースの強化学習プロセスにおける中間指導として,知識と公開に基づく情報を活用し,生物学的に意味のある「実証経路」を抽出する。
論文 参考訳（メタデータ） (2022-11-30T17:05:22Z) - Multi-View Substructure Learning for Drug-Drug Interaction Prediction [69.34322811160912]
DDI予測のための新しいマルチビュードラッグサブ構造ネットワーク(MSN-DDI)を提案する。
MSN-DDIは、単一の薬物(イントラビュー)と薬物ペア(インタービュー)の両方の表現から化学的サブ構造を同時に学習し、そのサブ構造を利用して、薬物表現を反復的に更新する。
総合的な評価では、MSN-DDIは、トランスダクティブ・セッティングの下で比較的改善された19.32%と99%以上の精度を達成することで、既存の薬物に対するDDI予測をほぼ解決したことを示している。
論文 参考訳（メタデータ） (2022-03-28T05:44:29Z) - Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。
本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文 参考訳（メタデータ） (2022-02-08T09:42:08Z) - HINT: Hierarchical Interaction Network for Trial Outcome Prediction
Leveraging Web Data [56.53715632642495]
臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。
本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
論文 参考訳（メタデータ） (2021-02-08T15:09:07Z) - Drug repurposing for COVID-19 using graph neural network and harmonizing
multiple evidence [9.472330151855111]
ウイルスベイト,宿主遺伝子,経路,薬物,表現型間の相互作用に基づくSARS-CoV-2知識グラフを構築した。
臨床治験履歴を用いて候補薬剤を優先し,遺伝子プロファイル,in vitro実験の有効性,電子健康記録で検証した。
論文 参考訳（メタデータ） (2020-09-23T04:47:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。