Sep, 2023

利用专利知识构建生物医学知识图谱揭示药物再定位候选剂的技术潜力

PDF
TL;DR通过利用药物再定位候选药物的技术潜力和科学证据，通过构建科学生物医学知识图谱和药物专利知识图谱的关联关系，并使用图嵌入协议来评估与目标疾病相关的专利的技术潜力，本研究旨在桥接计算发现与药物再定位研究中成功的市场应用之间的差距。
发现论文，激发创造
  • 预测药物与疾病相关性的计算方法综述

    近几十年来，传统药物研发面临高成本、长周期和高风险等挑战，为了解决这些问题，许多计算方法被提出用于预测药物与疾病之间的关系，从而降低新药研发的成本、周期和风险。本综述聚焦于预测药物重新定位中的药物 - 疾病关联方法的最新进展，将这些方法分为神经网络算法、基于矩阵的算法、推荐算法、基于链接推理的算法以及文本挖掘和语义推理等几个组别。随后比较了现有药物 - 疾病关联预测算法的预测性能，并深入探讨了关于药物 - 疾病关联的现有挑战和未来前景。

    Sep, 2023

  • 通过疾病特定超图的组合生成药物重用假设

    通过研究药物再利用的假设生成工具，并结合基于实验室实验和生物医学文献的半自动解析的验证流程，本文介绍了一种基于生物医学知识图谱和超图表示学习的计算方法，用于推断各种长度的生物通路的上下文嵌入，并评估药物在多种疾病的再利用潜力。

    Nov, 2023

  • 针对 Covid-19 的药品再利用知识图谱分析

    使用生物知识图谱进行药物再利用，通过预测候选药物的有效性和药物与与疾病相关的蛋白质结合的可能性，通过嵌入模型和神经网络进行学习并实现了不同的模型来获取节点嵌入。在 MR、MRR 和 Hits@3 方面，RESCAL 在测试数据集上表现最佳。

    Dec, 2022

  • 利用阿尔茨海默病相关知识图谱，识别潜在的与 AD 相关的语义三元组以进行药物重用挖掘

    本研究旨在构建一个知识图谱以研究阿尔茨海默病（AD）与化学物质、药物和膳食补充剂之间的关系，从而识别预防或延缓神经退行性进展的机会，结果表明我们的图形挖掘模型可以预测 AD 和其他实体之间的可靠新关系。

    Feb, 2022

  • COVID-19 文献知识图谱构建与药物再利用报告生成

    为了应对 COVID-19，我们开发了一个全新的综合性知识发现框架 COVID-KG，从科学文献中提取了细粒度的多媒体知识元素，并利用构建的多媒体知识图谱用于问答和报告生成，以药物再利用为案例研究。该框架还提供了详细的上下文句子，子图和知识子图作为证据。

    Jul, 2020

  • 通过网络医学和基因人工智能加速复杂疾病治疗：以乳腺癌药物再定位为案例研究

    通过结合网络医学方法和基于 GenAI 的 ChatGPT 智能引擎，该研究构建了一个多层次的网络，通过实时提取临床试验中的药物信息并与疾病特定的信号通路相连接，为复杂疾病（如癌症和阿尔茨海默病）生成药物组合疗法，展示了基于真实世界证据的药物 “再利用” 潜力以及可以进一步研究的领域。

    Jun, 2024

  • 基于聚类和图深度学习的 COVID-19 药物再利用框架

    利用基于图形的自动编码器进行多特征类型聚类的无监督机器学习框架发现 COVID-19 药物再利用的三个感兴趣的簇，并推荐了前 15 种药物，其中包括大量正在进行临床试验的药物。

    Jun, 2023

  • DrugCLIP：药物重定位的对比药物 - 疾病相互作用

    通过 DrugCLIP 方法和基于真实世界临床试验记录的数据集，本研究验证了药物重复利用和基于机器学习方法的新药研发的有效性。

    Jul, 2024

  • 在药物发现和开发中利用图形机器学习

    本文综述了生物医药行业中越来越受关注的图机器学习对于模拟生物分子结构、它们之间的功能关系以及综合多组学数据的能力，并在药物研发和发现的全过程中，从靶点识别、小分子和生物类药物设计、以及药物重药用等方面进行了归纳总结，并指出，尽管这一领域仍在崛起，但关键的里程碑已经出现，表明图机器学习将成为生物医学机器学习的首选模型框架。

    Dec, 2020

  • 神经符号人工智能用于生物医学知识图谱推理

    本文调查了神经符号人工智能的杂交方法在生物医学领域的实用性和潜在益处，这些方法对于如药物重新定位等任务的 KG 完成 (KGC) 更为适合，因为生物医学数据集通常被建模为知识图谱 (KG) 以捕捉其多关系、异质性和动态属性。

    Jul, 2023