論文の概要: DMAGT: Unveiling miRNA-Drug Associations by Integrating SMILES and RNA Sequence Structures through Graph Transformer Models

• arxiv url: http://arxiv.org/abs/2512.05287v1
• Date: Thu, 04 Dec 2025 22:25:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.828364
• Title: DMAGT: Unveiling miRNA-Drug Associations by Integrating SMILES and RNA Sequence Structures through Graph Transformer Models
• Title（参考訳）: DMAGT:グラフトランスモデルによるSMILESとRNA配列構造の統合によるmRNA-Drug結合の解離
• Authors: Ziqi Zhang,
• Abstract要約: MiRNAは、標的となる薬物開発に焦点を当てた新しい薬理学の道を開いた。 従来のウェットラボ実験は効率とコストの制約によって制限されている。 我々は,多層トランスを用いたグラフニューラルネットワークDMAGTに基づく新しい機械学習モデルを設計した。
• 参考スコア（独自算出の注目度）: 7.094263899196431
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MiRNAs, due to their role in gene regulation, have paved a new pathway for pharmacology, focusing on drug development that targets miRNAs. However, traditional wet lab experiments are limited by efficiency and cost constraints, making it difficult to extensively explore potential associations between developed drugs and target miRNAs. Therefore, we have designed a novel machine learning model based on a multi-layer transformer-based graph neural network, DMAGT, specifically for predicting associations between drugs and miRNAs. This model transforms drug-miRNA associations into graphs, employs Word2Vec for embedding features of drug molecular structures and miRNA base structures, and leverages a graph transformer model to learn from embedded features and relational structures, ultimately predicting associations between drugs and miRNAs. To evaluate DMAGT, we tested its performance on three datasets composed of drug-miRNA associations: ncDR, RNAInter, and SM2miR, achieving up to AUC of $95.24\pm0.05$. DMAGT demonstrated superior performance in comparative experiments tackling similar challenges. To validate its practical efficacy, we specifically focused on two drugs, namely 5-Fluorouracil and Oxaliplatin. Of the 20 potential drug-miRNA associations identified as the most likely, 14 were successfully validated. The above experiments demonstrate that DMAGT has an excellent performance and stability in predicting drug-miRNA associations, providing a new shortcut for miRNA drug development.
• Abstract（参考訳）: MiRNAは遺伝子調節における役割から、miRNAを標的とする薬物開発に焦点を当てた新しい薬理学の道を開いた。 しかし、従来のウェットラボ実験は効率とコストの制約によって制限されており、開発された薬物と標的のmiRNAとの潜在的な関連を広範囲に探究することは困難である。 そこで我々は,薬物とmiRNAの関係を予測するために,多層トランスフォーマーを用いたグラフニューラルネットワークDMAGTをベースとした新しい機械学習モデルを構築した。 このモデルでは、薬物-miRNA結合をグラフ化し、Word2Vecを用いて薬物分子構造とmiRNA塩基構造の特徴を埋め込み、グラフトランスフォーマーモデルを用いて組込み特徴とリレーショナル構造から学習し、最終的には薬物とmiRNAの関係を予測する。 DMAGTを評価するために, ncDR, RNAInter, SM2miRの3つの薬物-miRNA結合からなるデータセットを用いて実験を行い, AUCが95.24 pm0.05$まで到達した。 DMAGTは同様の課題に対処する比較実験において優れた性能を示した。 有効性を検証するため,5-フルオロラシルとオキサリプラチンの2種類の薬剤について検討した。 最も可能性の高い20の薬物-miRNA結合のうち、14が有効に検証された。 以上の実験により、DMAGTは薬物-miRNA結合の予測に優れた性能と安定性を示し、miRNA薬物開発のための新しいショートカットを提供する。

関連論文リスト

• TRIDENT: A Trimodal Cascade Generative Framework for Drug and RNA-Conditioned Cellular Morphology Synthesis [56.9460577864211]
  TRIDENTは、摂動と対応する遺伝子発現プロファイルの両方を条件にすることで、現実的な細胞形態を合成するカスケード生成フレームワークである。 TRIDENTは最先端のアプローチよりも優れており、目に見えない化合物への強い一般化で最大7倍の改善を実現している。
  論文  参考訳（メタデータ） (2025-11-23T04:43:27Z)
• AI-Driven Drug Repurposing through miRNA-mRNA Relation [0.2797211052758563]
  mRNA関係はいくつかの生物学的プロセスと疾患機構と密接に関連している。 今回われわれは,慢性閉塞性肺疾患に対するPubMedからmRNA関係を抽出するためにPubMedBERTモデルを適用した。
  論文  参考訳（メタデータ） (2025-09-03T14:12:32Z)
• CircFormerMoE: An End-to-End Deep Learning Framework for Circular RNA Splice Site Detection and Pairing in Plant Genomes [0.0]
  サーキュラーRNA(サーキュラーRNA)は、非コードRNA制御ネットワークの重要な構成要素である。 植物ゲノムDNAから直接サーキットRNAを予測するためのトランスフォーマーと専門家の混合に基づく深層学習フレームワークCircFormerMoEを提案する。
  論文  参考訳（メタデータ） (2025-07-11T12:43:17Z)
• Character-level Tokenizations as Powerful Inductive Biases for RNA Foundational Models [0.0]
  RNAの挙動を理解し予測することは、RNAの構造と相互作用の複雑さのために困難である。 現在のRNAモデルは、タンパク質ドメインで観測された性能とはまだ一致していない。 ChaRNABERTは、確立されたベンチマークでいくつかのタスクで最先端のパフォーマンスに到達することができる。
  論文  参考訳（メタデータ） (2024-11-05T21:56:16Z)
• RNACG: A Universal RNA Sequence Conditional Generation model based on Flow-Matching [0.0]
  本稿では,フローマッチングに基づくRNA配列設計のための汎用フレームワークであるRNACG(RNA Generator)を提案する。 1つのフレームワークでシーケンス生成を統一することにより、RNACGは複数のRNA設計パラダイムの統合を可能にする。
  論文  参考訳（メタデータ） (2024-07-29T09:46:46Z)
• Machine Learning Modeling Of SiRNA Structure-Potency Relationship With Applications Against Sars-Cov-2 Spike Gene [0.0]
  薬の発見プロセスは長くて費用がかかるので、新しい薬を市場に出すのに10年近くかかります。 バイオテクノロジー、計算方法、機械学習アルゴリズムは、薬物発見を革命させ、プロセスをスピードアップし、患者の結果を改善する可能性がある。 新型コロナウイルス(COVID-19)のパンデミックは、これらの技術の可能性の認識をさらに加速し、さらに深めている。
  論文  参考訳（メタデータ） (2024-01-18T23:00:34Z)
• 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)
• Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
  標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。 そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-08-30T09:32:39Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)

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。