論文の概要: Dr-COVID: Graph Neural Networks for SARS-CoV-2 Drug Repurposing
- arxiv url: http://arxiv.org/abs/2012.02151v1
- Date: Thu, 3 Dec 2020 18:34:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 19:18:11.847945
- Title: Dr-COVID: Graph Neural Networks for SARS-CoV-2 Drug Repurposing
- Title（参考訳）: Dr-COVID:SARS-CoV-2ドラッグリサイクルのためのグラフニューラルネットワーク
- Authors: Siddhant Doshi and Sundeep Prabhakar Chepuri
- Abstract要約: 我々は、Dr-COVIDと呼ばれる、GNNに基づく薬物再資源化モデルを提案する。
Dr-COVIDは、その予測性能と、既知の疾患の治療薬をできるだけ高いレベルにランク付けする能力で評価されている。
- 参考スコア（独自算出の注目度）: 14.112444998191698
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The 2019 novel coronavirus (SARS-CoV-2) pandemic has resulted in more than a
million deaths, high morbidities, and economic distress worldwide. There is an
urgent need to identify medications that would treat and prevent novel diseases
like the 2019 coronavirus disease (COVID-19). Drug repurposing is a promising
strategy to discover new medical indications of the existing approved drugs due
to several advantages in terms of the costs, safety factors, and quick results
compared to new drug design and discovery. In this work, we explore
computational data-driven methods for drug repurposing and propose a dedicated
graph neural network (GNN) based drug repurposing model, called Dr-COVID.
Although we analyze the predicted drugs in detail for COVID-19, the model is
generic and can be used for any novel diseases. We construct a four-layered
heterogeneous graph to model the complex interactions between drugs, diseases,
genes, and anatomies. We pose drug repurposing as a link prediction problem.
Specifically, we design an encoder based on the scalable inceptive graph neural
network (SIGN) to generate embeddings for all the nodes in the four-layered
graph and propose a quadratic norm scorer as a decoder to predict treatment for
a disease. We provide a detailed analysis of the 150 potential drugs (such as
Dexamethasone, Ivermectin) predicted by Dr-COVID for COVID-19 from different
pharmacological classes (e.g., corticosteroids, antivirals, antiparasitic). Out
of these 150 drugs, 46 drugs are currently in clinical trials. Dr-COVID is
evaluated in terms of its prediction performance and its ability to rank the
known treatment drugs for diseases as high as possible. For a majority of the
diseases, Dr-COVID ranks the actual treatment drug in the top 15.
- Abstract（参考訳）: 2019年の新型コロナウイルス(SARS-CoV-2)パンデミックは、世界中で100万人以上の死者、高い死亡率、経済的な苦悩をもたらした。
新型コロナウイルス(COVID-19)などの新規疾患を治療・予防する薬剤の特定が急務である。
医薬品の再利用は、新しい薬剤の設計や発見と比較して、コスト、安全性、迅速な結果に関していくつかの利点があるため、既存の承認薬の新しい医学的適応を見つける有望な戦略である。
本研究では,薬物再資源化のための計算データ駆動手法について検討し,薬物再資源化モデルであるDr-COVIDを提案する。
予測薬をcovid-19のために詳細に分析するが、このモデルは汎用的であり、あらゆる新しい疾患に使用できる。
薬物, 疾患, 遺伝子, 解剖学間の複雑な相互作用をモデル化するための4層ヘテロジニアスグラフを構築した。
リンク予測問題として薬物再導入を提案する。
具体的には,スケーラブルなインセプティブグラフニューラルネットワーク(sign)に基づくエンコーダを設計し,4層グラフ内のすべてのノードへの埋め込みを生成し,疾患の治療予測のためのデコーダとして二次ノルムスコアラを提案する。
我々は、Dr-COVID for COVID-19(例えば、コルチコステロイド、抗ウイルス薬、抗寄生虫薬)によって予測される150種類の薬物(デキサメタゾン、イヴェルメクチンなど)の詳細な分析を行う。
この150薬のうち46薬が現在臨床試験中である。
Dr-COVIDは、その予測性能と、既知の疾患の治療薬をできるだけ高くランク付けする能力で評価されている。
ほとんどの疾患では、Dr-COVIDは治療薬をトップ15にランク付けしている。
関連論文リスト
- 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) - NeuroCADR: Drug Repurposing to Reveal Novel Anti-Epileptic Drug
Candidates Through an Integrated Computational Approach [0.0]
薬物再資源化は、新しい目的のために既存の薬物を再割り当てすることを含む薬物発見の新たなアプローチである。
提案するアルゴリズムはNeuroCADRであり,k-nearest neighbor algorithm (KNN),ランダム森林分類,決定木からなるマルチプログレッシブアプローチによる創薬システムである。
データは病気、症状、遺伝子、および関連する薬物分子間の相互作用からなるデータベースから作成され、その後バイナリで表現されたデータセットにコンパイルされた。
NeuroCADRは、臨床試験によってさらに承認されるてんかんの新規薬物候補を特定した。
論文 参考訳（メタデータ） (2023-09-04T03:21:43Z) - 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) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳（メタデータ） (2022-10-11T16:07:52Z) - 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) - Genetic Constrained Graph Variational Autoencoder for COVID-19 Drug
Discovery [0.0]
そこで本研究では,GCGVAE (Genematic Constrained Graph Variational Autoencoder) と呼ばれる新しいモデルを提案する。
SARS、HIV、Hep3、MERSなど、さまざまなウイルスのタンパク質構造のデータに基づいてモデルをトレーニングし、SARS-CoV-2の可能な薬物を生成するために使用しました。
生成分子はSARS-CoV-2を阻害する効果が高い。
論文 参考訳（メタデータ） (2021-04-23T16:10:15Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Repurpose Open Data to Discover Therapeutics for COVID-19 using Deep
Learning [22.01390057543923]
新型コロナウイルスの感染拡大を受け、感染者は85万人以上、死者は4万8000人を超えた。
現在、新型コロナウイルスに対する有効な薬は存在していない。
本研究は、新型コロナウイルスの治療薬を同定する統合的ネットワークベースのディープラーニング手法を報告した。
論文 参考訳（メタデータ） (2020-05-21T16:02:29Z) - Network Medicine Framework for Identifying Drug Repurposing
Opportunities for COVID-19 [6.7410870290301]
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。
論文 参考訳（メタデータ） (2020-04-15T17:40:29Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。