利用生物瓶颈模型发现用于 COVID 的协同药物组合
生物大分子
2020-12-01 v2 机器学习
定量方法
摘要
药物组合因其更好的疗效和更低的毒性在治疗学中发挥着重要作用。近期方法已应用机器学习来识别癌症的协同组合，但它们不适用于组合数据有限的新疾病。鉴于药物协同作用与生物靶点密切相关，我们提出了一种生物瓶颈模型，联合学习药物-靶点相互作用与协同作用。该模型由两部分组成：药物-靶点相互作用模块与靶点-疾病关联模块。这一设计使模型能够解释生物靶点如何影响药物协同作用。通过利用额外的生物信息，我们的模型仅使用 90 个 COVID 药物组合进行训练，在药物协同预测中达到了 0.78 的测试 AUC。我们在美国国家转化科学促进中心（NCATS）的设施中对模型预测进行了实验测试，发现了两种在体外具有强协同作用的新颖药物组合（Remdesivir + Reserpine 和 Remdesivir + IQ-1S）。
引用
@article{arxiv.2011.04651,
title = {Discovering Synergistic Drug Combinations for COVID with Biological Bottleneck Models},
author = {Wengong Jin and Regina Barzilay and Tommi Jaakkola},
journal= {arXiv preprint arXiv:2011.04651},
year = {2020}
}
备注
Accepted to NeurIPS 2020 Machine Learning for Molecules Workshop