基于迁移学习的阿尔茨海默病药物重定位
定量方法
2022-10-28 v1
摘要
深度学习与DRUG-seq（基因扰动数字RNA测序）在药物发现领域备受关注。然而，公开的DRUG-seq数据集规模过小，无法直接用于从头训练深度学习神经网络。受迁移学习技术启发，我们首先利用基于网络的细胞特征集成文库（LINCS）L1000数据预训练一个药效预测神经网络模型，随后使用人神经细胞DRUG-seq数据对其进行微调。训练完成后，该模型被用于虚拟筛选，以寻找治疗阿尔茨海默病（AD）的潜在药物。最终，我们发现了27种潜在的AD治疗药物，包括伊索拉定（PDE4抑制剂）、他喹莫德（HDAC4选择性抑制剂）、舒洛芬（双重COX-1/COX-2抑制剂）等。
引用
@article{arxiv.2210.15271,
title = {Drug repositioning for Alzheimer's disease with transfer learning},
author = {Yetao Wu and Han Liu and Jie Yan and Xiaolin Hu},
journal= {arXiv preprint arXiv:2210.15271},
year = {2022}
}
备注
13 pages, 1 figure