DeepCRE：通过 AI 驱动的跨药物反应评估变革药物研发
人工智能
2024-03-19 v3 机器学习
定量方法
摘要
治疗应用领域和药物研发 (R&D) 领域均面临重大挑战，即治疗领域需要更多的治疗方案，而许多有前景的临床前药物在临床试验中失败。原因之一是药物研发后期跨药物反应评估 (CRE) 的不足。尽管计算机模拟 CRE 模型提供了一种有前景的解决方案，但现有方法仅限于药物研发的早期阶段，如靶点和细胞系水平，对临床成功率的提升有限。在此，我们介绍了 DeepCRE，这是一种开创性的 AI 模型，旨在有效预测药物研发后期的 CRE。DeepCRE 的表现优于现有最佳模型，在患者层面的 CRE 中平均性能提升了 17.7%，在适应症层面的 CRE 中提升了 5 倍，分别促进了更准确的个性化治疗预测和更好的适应症药物价值评估。此外，DeepCRE 识别出一组六种候选药物，在 5/8 的结直肠癌类器官中显示出比一组两种已批准药物显著更高的有效性。这表明 DeepCRE 能够系统地发现具有增强治疗效果的一系列候选药物，突显了其变革药物研发的潜力。
引用
@article{arxiv.2403.03768,
title = {DeepCRE: Transforming Drug R&D via AI-Driven Cross-drug Response Evaluation},
author = {Yushuai Wu and Ting Zhang and Hao Zhou and Hainan Wu and Hanwen Sunchu and Lei Hu and Xiaofang Chen and Suyuan Zhao and Gaochao Liu and Chao Sun and Jiahuan Zhang and Yizhen Luo and Peng Liu and Zaiqing Nie and Yushuai Wu},
journal= {arXiv preprint arXiv:2403.03768},
year = {2024}
}