由城市大学(CityU)学者领导的研究小组最近开发了一种新型人工智能(AI)框架，可以对治疗和毒性作用进行协同抗癌药物组合预测。该研究揭示了应用人工智能和机器学习在癌症和其他复杂疾病治疗中发现有效组合的潜力。
研究团队由城大数据科学学院副教授张庆鹏博士带领。研究结果已发表在美国医学信息学协会杂志(JAMIA)上，标题为“GraphSynergy：一种网络启发的抗癌药物组合预测深度学习模型”。
将人工智能应用于癌症治疗
为了达到最佳治疗效果，医生通常会开多种药物来治疗癌症和艾滋病毒/艾滋病等复杂疾病。然而，最佳药物组合的知识通常是基于临床经验和判断。
近年来，由于能够处理大规模复杂的生物和临床数据，人工智能和数据科学在癌症治疗和药物发现中变得越来越重要。作为他们在癌症药物发现中使用人工智能的首次尝试，张博士的研究重点是数据科学的研究小组成功开发了“药物协同图卷积网络(GraphSynergy)”。它是一种新颖的人工智能框架，可以进行协同化疗药物组合预测。
通过分析药物靶向的蛋白质模块与人类蛋白质 - 蛋白质相互作用网络(PPI)中与癌细胞系相关的蛋白质模块之间的关系，以及蛋白质模块之间的相互关系，这种基于深度学习的算法可以识别产生有效治疗且毒性较小的协同药物组合。
分析人类蛋白质-蛋白质-相互作用网络
张博士解释说，人体是一个复杂的系统，其中细胞内的蛋白质有无数次相互作用，形成一个复杂的PPI网络。癌细胞通常与多种蛋白质相关，这些蛋白质彼此之间以及与 PPI 网络中的其他蛋白质具有直接和间接的相互关系。“因此，如何混合搭配多种药物来治疗癌症非常具有挑战性。考虑到 PPI 网络的复杂性。因此，我们使用 AI 来分析药物和癌细胞靶向的蛋白质，以及这些药物之间的相互关系。蛋白质，以帮助准确预测协同抗癌药物组合，”张博士说。
他强调，这些预测不仅是通过检查药物直接靶向的蛋白质与癌细胞，还通过蛋白质之间的关系来进行的，从而在确定最佳的低毒协同抗癌药物组合方面具有优越的性能。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！