HyperSBINN:一种用于高效药物心脏安全性评估的超网络增强型系统生物学信息神经网络
机器学习
2025-12-15 v2 计算机与社会
机器学习
定量方法
摘要
系统毒理学中的数学建模能够全面理解药物对心脏健康的影响。然而,这些模型的复杂性限制了它们在早期药物发现中的广泛应用。在本文中,我们介绍了一种求解参数化心脏动作电位模型的新方法,该方法将元学习技术与系统生物学信息神经网络(SBINNs)相结合。所提出的方法hyperSBINN有效解决了预测不同化合物在不同浓度下对心脏动作电位影响的挑战,在速度上优于传统的微分方程求解器。我们的模型能够高效处理数据有限和参数化微分方程复杂的情况。hyperSBINN模型在预测APD90值方面表现出稳健的性能,表明其作为心脏电生理建模工具和辅助临床前药物开发的潜力。该框架代表了计算建模的进步,为模拟和理解复杂生物系统提供了可扩展且高效的解决方案。
引用
@article{arxiv.2408.14266,
title = {HyperSBINN: A Hypernetwork-Enhanced Systems Biology-Informed Neural Network for Efficient Drug Cardiosafety Assessment},
author = {Inass Soukarieh and Gerhard Hessler and Hervé Minoux and Marcel Mohr and Friedemann Schmidt and Jan Wenzel and Pierre Barbillon and Hugo Gangloff and Pierre Gloaguen},
journal= {arXiv preprint arXiv:2408.14266},
year = {2025}
}