基于聚类与图深度学习的 COVID-19 药物重定位框架
人工智能
2023-06-27 v1 机器学习
摘要
药物重定位（或再定位）是为已获药品监管机构（如美国食品药品监督管理局（FDA）和治疗用品管理局（TGA））批准用于其他疾病的药物寻找新治疗用途的过程。这涉及分析不同生物实体之间的相互作用，如药物靶点（基因/蛋白质和生物通路）与药物性质，以发现新的药物-靶点 or 药物-疾病关系。人工智能方法如机器学习和深度学习已成功分析生物医学领域的复杂异质数据，并也已用于药物重定位。本研究提出了一种新颖的无监督机器学习框架，其利用基于图的自动编码器对异质药物数据进行多特征类型聚类。数据集包含 438 种药物，其中 224 种正处于 COVID-19 临床试验中（A 类）。其余药物经系统筛选以确保治疗的安全性和有效性（B 类）。该框架仅依赖已报道的药物数据，包括其药理学性质、化学/物理性质、与宿主的相互作用，以及在不同公开可用 COVID-19 检测中的疗效。我们的机器学习框架揭示了三个感兴趣簇，并给出了针对 COVID-19 药物重定位的前 15 种药物推荐，这些推荐是基于由 A 类药物主导的预测簇筛选得出的。药物的抗 COVID 疗效需经实验研究验证。我们的框架可扩展以支持其他数据集和药物重定位研究，前提是开源代码与数据可用。
引用
@article{arxiv.2306.13995,
title = {A clustering and graph deep learning-based framework for COVID-19 drug repurposing},
author = {Chaarvi Bansal and Rohitash Chandra and Vinti Agarwal and P. R. Deepa},
journal= {arXiv preprint arXiv:2306.13995},
year = {2023}
}