使用人工智能準確預測協(xié)同抗癌藥物組合

由城市大學(CityU)學者領導的研究小組最近開發(fā)了一種新型人工智能(AI)框架，可以對治療和毒性作用進行協(xié)同抗癌藥物組合預測。該研究揭示了應用人工智能和機器學習在癌癥和其他復雜疾病治療中發(fā)現(xiàn)有效組合的潛力。

研究團隊由城大數(shù)據科學學院副教授張慶鵬博士帶領。研究結果已發(fā)表在美國醫(yī)學信息學協(xié)會雜志(JAMIA)上，標題為“GraphSynergy：一種網絡啟發(fā)的抗癌藥物組合預測深度學習模型”。

將人工智能應用于癌癥治療

為了達到最佳治療效果，醫(yī)生通常會開多種藥物來治療癌癥和艾滋病毒/艾滋病等復雜疾病。然而，最佳藥物組合的知識通常是基于臨床經驗和判斷。

近年來，由于能夠處理大規(guī)模復雜的生物和臨床數(shù)據，人工智能和數(shù)據科學在癌癥治療和藥物發(fā)現(xiàn)中變得越來越重要。作為他們在癌癥藥物發(fā)現(xiàn)中使用人工智能的首次嘗試，張博士的研究重點是數(shù)據科學的研究小組成功開發(fā)了“藥物協(xié)同圖卷積網絡(GraphSynergy)”。它是一種新穎的人工智能框架，可以進行協(xié)同化療藥物組合預測。

通過分析藥物靶向的蛋白質模塊與人類蛋白質 - 蛋白質相互作用網絡(PPI)中與癌細胞系相關的蛋白質模塊之間的關系，以及蛋白質模塊之間的相互關系，這種基于深度學習的算法可以識別產生有效治療且毒性較小的協(xié)同藥物組合。

分析人類蛋白質-蛋白質-相互作用網絡

張博士解釋說，人體是一個復雜的系統(tǒng)，其中細胞內的蛋白質有無數(shù)次相互作用，形成一個復雜的PPI網絡。癌細胞通常與多種蛋白質相關，這些蛋白質彼此之間以及與 PPI 網絡中的其他蛋白質具有直接和間接的相互關系。“因此，如何混合搭配多種藥物來治療癌癥非常具有挑戰(zhàn)性?？紤]到 PPI 網絡的復雜性。因此，我們使用 AI 來分析藥物和癌細胞靶向的蛋白質，以及這些藥物之間的相互關系。蛋白質，以幫助準確預測協(xié)同抗癌藥物組合，”張博士說。

他強調，這些預測不僅是通過檢查藥物直接靶向的蛋白質與癌細胞，還通過蛋白質之間的關系來進行的，從而在確定最佳的低毒協(xié)同抗癌藥物組合方面具有優(yōu)越的性能。

標簽：