Fugu-MT 論文翻訳(概要): Developing a Knowledge Graph Framework for Pharmacokinetic Natural Product-Drug Interactions

論文の概要: Developing a Knowledge Graph Framework for Pharmacokinetic Natural Product-Drug Interactions

arxiv url: http://arxiv.org/abs/2209.11950v1
Date: Sat, 24 Sep 2022 07:49:29 GMT
ステータス: 処理完了
システム内更新日: 2022-09-27 17:09:25.397558
Title: Developing a Knowledge Graph Framework for Pharmacokinetic Natural Product-Drug Interactions
Title（参考訳）: 薬物動態性天然物-薬物相互作用に関する知識グラフフレームワークの開発
Authors: Sanya B. Taneja, Tiffany J. Callahan, Mary F. Paine, Sandra L. Kane-Gill, Halil Kilicoglu, Marcin P. Joachimiak, Richard D. Boyce
Abstract要約: NPDIの理解メカニズムは、有害事象を防ぐための鍵となる。我々は,NPDIの計算的発見に向けたステップとして,知識グラフフレームワークNP-KGを構築した。
参考スコア（独自算出の注目度）: 0.6977398862260568
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Pharmacokinetic natural product-drug interactions (NPDIs) occur when botanical natural products are co-consumed with pharmaceutical drugs. Understanding mechanisms of NPDIs is key to preventing adverse events. We constructed a knowledge graph framework, NP-KG, as a step toward computational discovery of pharmacokinetic NPDIs. NP-KG is a heterogeneous KG with biomedical ontologies, linked data, and full texts of the scientific literature, constructed with the Phenotype Knowledge Translator framework and the semantic relation extraction systems, SemRep and Integrated Network and Dynamic Reasoning Assembler. NP-KG was evaluated with case studies of pharmacokinetic green tea- and kratom-drug interactions through path searches and meta-path discovery to determine congruent and contradictory information compared to ground truth data. The fully integrated NP-KG consisted of 745,512 nodes and 7,249,576 edges. Evaluation of NP-KG resulted in congruent (38.98% for green tea, 50% for kratom), contradictory (15.25% for green tea, 21.43% for kratom), and both congruent and contradictory (15.25% for green tea, 21.43% for kratom) information. Potential pharmacokinetic mechanisms for several purported NPDIs, including the green tea-raloxifene, green tea-nadolol, kratom-midazolam, kratom-quetiapine, and kratom-venlafaxine interactions were congruent with the published literature. NP-KG is the first KG to integrate biomedical ontologies with full texts of the scientific literature focused on natural products. We demonstrate the application of NP-KG to identify pharmacokinetic interactions involving enzymes, transporters, and pharmaceutical drugs. We envision that NP-KG will facilitate improved human-machine collaboration to guide researchers in future studies of pharmacokinetic NPDIs. The NP-KG framework is publicly available at https://doi.org/10.5281/zenodo.6814507 and https://github.com/sanyabt/np-kg.
Abstract（参考訳）: 薬物動態的天然物ドラッグ相互作用(NPDIs)は、植物由来の天然物と医薬品の併用によって起こる。 NPDIの理解メカニズムは、有害事象を防ぐ鍵となる。薬物動態npdisの計算的発見に向けたステップとして,知識グラフフレームワークnp-kgを構築した。 NP-KGは、Phenotype Knowledge Translatorフレームワークと意味関係抽出システム、SemRepとIntegrated NetworkとDynamic Reasoning Assemblerで構築された、生物医学的なオントロジー、リンクデータ、科学文献の全文を備えた異種KGである。 NP-KGは,パスサーチとメタパス発見を通した薬物動態学的緑茶とクラーム-ドラッグ相互作用のケーススタディで評価し,地中真実データと比較した一致性および矛盾性情報を求めた。完全に統合されたNP-KGは745,512ノードと7,249,576エッジで構成される。 np-kgの評価の結果、コングルーエント(緑茶38.98%、クラトム50%)、相反性(15.25%、クラトム21.43%)、相反性(緑茶15.25%、クラトム21.43%)の情報が得られた。緑茶ラロキシフェイン, 緑茶ナドロール, クラトム・ミダゾラム, クラトム・ケチアピン, クラトム・ベンラファキシン相互作用などいくつかのnpdisの薬物動態機序は, 出版文献と一致した。 NP-KGは、生物医学のオントロジーと天然物に焦点を当てた科学文献の全文を統合する最初のKGである。本稿では,酵素,トランスポーター,医薬品を含む薬物動態相互作用の同定にNP-KGの応用を実証する。我々は、NP-KGがヒトと機械のコラボレーションの改善を促進し、今後の薬理学的なNPDIの研究を指導することを期待している。 NP-KGフレームワークはhttps://doi.org/10.5281/zenodo.6814507とhttps://github.com/sanyabt/np-kgで公開されている。

関連論文リスト

Explainable Enrichment-Driven GrAph Reasoner (EDGAR) for Large Knowledge Graphs with Applications in Drug Repurposing [37.35838131516701]
我々は、知識グラフ(KGs)のリンク予測フレームワーク、Enrichment-Driven GrAph Reasoner (EDGAR)を提案する。 EDGARは、エンティティローカルなルールをマイニングすることで、新しいエッジを推論する。大規模バイオメディカルKG, ROBOKOPにおけるEDGARの有効性を実証し, アルツハイマー病(AD)に対する薬物再投与に焦点を当てた。グラフの完全化と薬物再資源化に富化分析を適用した最初の研究である。
論文参考訳（メタデータ） (2024-09-27T11:43:19Z)
Learning to Denoise Biomedical Knowledge Graph for Robust Molecular Interaction Prediction [50.7901190642594]
分子間相互作用予測のためのバイオKDN (Biomedical Knowledge Graph Denoising Network) を提案する。 BioKDNは、ノイズの多いリンクを学習可能な方法で識別することで、局所的な部分グラフの信頼性の高い構造を洗練する。ターゲットの相互作用に関する関係を円滑にすることで、一貫性とロバストなセマンティクスを維持する。
論文参考訳（メタデータ） (2023-12-09T07:08:00Z)
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)
Learning a Patent-Informed Biomedical Knowledge Graph Reveals Technological Potential of Drug Repositioning Candidates [6.268435617836703]
本研究では, 医薬品特許やバイオメディカルデータベースなど, さまざまな資料を解析するための新しいプロトコルを提案する。薬物再配置候補を, 技術的可能性と科学的証拠の両方で同定する。アルツハイマー病の症例研究は,その有効性と実現可能性を示している。
論文参考訳（メタデータ） (2023-09-04T02:30:19Z)
Drug Interaction Vectors Neural Network: DrIVeNN [0.7624669864625037]
ポリファーマシー(英: Poly Pharmacy)とは、複数の薬物を同時に併用して単一の疾患を治療することである。ポリファーマシーに関連する多くの重篤なADEは、薬物の使用後にのみ知られるようになる。臨床試験において、あらゆる可能な薬物の組み合わせをテストすることは不可能である。
論文参考訳（メタデータ） (2023-08-26T14:24:41Z)
SynerGPT: In-Context Learning for Personalized Drug Synergy Prediction and Drug Design [64.69434941796904]
本稿では,テキスト内薬物相乗学習のための新しい設定とモデルを提案する。特定のがん細胞標的の文脈における10～20の薬物相乗関係の「個人化データセット」を作成した。私たちの目標は、その文脈で追加の薬物シナジー関係を予測することです。
論文参考訳（メタデータ） (2023-06-19T17:03:46Z)
Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文参考訳（メタデータ） (2022-12-10T03:43:23Z)
Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
論文参考訳（メタデータ） (2021-09-27T17:00:14Z)
BioNavi-NP: Biosynthesis Navigator for Natural Products [14.154148431616123]
BioNaviNPは、NPsおよびNP様化合物の生合成経路を予測することができる。報告された生合成経路を90%の試験化合物で適切に同定する。 BioNaviNPはまた、生物学的に可算な経路列挙の優れた能力を示す。
論文参考訳（メタデータ） (2021-05-26T12:04:38Z)
Two Step Joint Model for Drug Drug Interaction Extraction [82.49278654043577]
薬物と薬物の相互作用 (DDI) テキスト分析会議 (TAC) 2018における薬物ラベルからの抽出本稿では,DDI検出のための2段階関節モデルを提案する。シーケンスタギングシステム(CNN-GRUエンコーダデコーダ)は、まず沈殿剤を発見し、その微細なトリガーを探索し、第2ステップで沈殿剤毎のDDIを決定する。
論文参考訳（メタデータ） (2020-08-28T15:30:08Z)

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。