药物协同作用预测的新方法

Apr, 2024

New methods for drug synergy prediction

Fatemeh Abbasi, Juho Rousu

TL;DR本文通过探索基于高通量组合筛选的新的药物组合协同性预测方法，总结了 2021 年以来发表的三十多种原始机器学习方法，其中绝大多数基于深度学习技术。我们旨在通过突出核心技术、数据来源、输入数据类型、以及方法中使用的协同性评分、预测场景和评估协议，对这些论文进行统一的观察。我们发现，最好的方法能够准确解决已知药物或细胞系参与的协同性预测，然而当涉及到新的药物或细胞系时，准确预测的水平仍然有待提高。

Abstract

In this mini-review, we explore the new prediction methods for drug combination synergy relying on high-throughput combinatorial screens. The fast progress of the field is witnessed in the more than thirty original machine learning methods published since 2021, a clear majority of them

drug combination synergy high-throughput combinatorial screens machine learning methods deep learning techniques synergy prediction

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

SynerGPT: 基于上下文学习的个性化药物协同效应预测和药物设计

预测协同药物组合有助于加快癌症治疗的发现，特别是通过活体检测的细胞对患者进行个体化治疗。本文提出了一种新的背景下药物协同学习的设置和模型，利用既有的 “个性化数据集” 来预测在该背景下的其他药物协同关系。该模型结合遗传算法优化模型提示并选择协同候选药物进行测试，最终探索了逆向药物设计的新任务，有潜力设计与特定患者的 “个性化数据集” 相契合的药物。本研究对精准肿瘤医学可能产生重要影响，同时也引发了关于非文本预训练语言模型的有趣问题。

Jun, 2023

药物对打分的关系深度学习统一视图

该研究为解决多药副作用识别、药物间相互作用预测和联合疗法设计任务提供了一种统一的关系机器学习模型的理论视角，讨论了现有模型架构、性能指标、数据集和评估协议，强调了在该领域中可能的高影响应用和重要的未来研究方向。

Nov, 2021

VQSynery：基于向量量化机制的稳健药物协同作用预测

本研究提出了 VQSynergy 框架，利用向量量化（VQ）机制、门控残差和定制的注意机制来增强药物协同效应预测的精确性和泛化能力，结果表明 VQSynergy 在鲁棒性方面超过现有的模型，尤其是在高斯噪声条件下，强调其在药物协同研究的复杂和常常存在噪声的领域中具有卓越的性能和实用性，以此突出了 VQSynergy 在通过先进的预测能力为癌症治疗策略优化方面的潜力。

Mar, 2024

基于多重表示对骨干卷积神经网络的药物协同效应预测

通过图卷积网络与多重表征对齐，该研究提出了一种用于药物协同效应预测的模型，利用深度学习技术的计算模型，将多种药物的表征和对应的细胞系特征作为输入，通过考虑药物表征和细胞系表征之间的位置关系，实现了在嵌入空间中的药物协同效应预测，从而提高了计算结果的准确性和模型的收敛速度。

Nov, 2023

基于图形协同注意力的药物不良反应预测

该研究提出了一种神经网络架构，利用多药副作用类型和药物分子结构，采用共同注意机制，对药物组合进行机器学习，以便预测药物之间的相互作用和潜在的副作用。

May, 2019

CancerGPT: 利用大型预训练语言模型进行少样本药物配对协同作用预测

本研究利用大型预训练语言模型进行无多样本协同抗癌药物研究，其中提出了 CancerGPT 模型，并取得了较好的实验效果，该模型对于生物反应预测任务具有应用潜力。

Apr, 2023

药物相互作用预测中深度学习与图学习的综合评估

本文综述了基于化学结构、网络、自然语言处理、混合方法的药物预测模型以及基于图神经网络模型表示分子结构的理论框架或深度和图学习方法的优缺点、潜在技术难点和未来发展方向。

Jun, 2023

CongFu: 用于药物协同作用预测的条件图融合

本文介绍一种基于 CongFu 的全新条件图融合层，该层使用注意机制和瓶颈提取局部图形上下文，并在全局上下文中有条件地融合图形数据，用于预测药物协同作用，实验结果证明，CongFu 可以捕捉到药物协同作用的复杂模式，为优化药物组合和推进个性化医学开辟了新途径。

May, 2023

深度学习在反应和追溯合成预测中的统一视图：现状与未来挑战

本文是首篇对计算化学中反应和逆合成预测采用深度学习模型的应用进行综述，从设计机制、优势和弱点等多方面给出了全面系统的调查结论，并提出了当前解决方案的局限性和问题，最后探讨了未来研究的发展方向。

Jun, 2023