与癌症药物反应相关的化学结构特征识别：一项系统的数据驱动分析
机器学习
2014-04-30 v2 基因组学
应用统计
摘要
动机：分析药物结构与生物反应之间的关系，对于理解脱靶效应和意外药物作用，以及提出如何定制药物治疗的假设至关重要。需要对大量药物化学特征与多个细胞模型相应的全基因组反应进行综合分析的新方法。结果：本文首次对药物化学结构如何影响多种癌细胞系（CMap 数据库）的全基因组基因表达进行了全面的多集合分析。该任务被表述为在多种癌症中搜索药物反应成分，以揭示药物的共同效应及其可能负责的化学特征。这些成分可以通过扩展一种名为组因子分析 (Group Factor Analysis, GFA) 的最新方法来计算。我们识别出 11 个将药物结构描述符与在三种细胞系中观察到的特定基因表达反应联系起来的成分，并确定了可能导致这些反应的结构基团。通过考虑多个细胞系和先进的 3D 结构描述符，我们的方法在定量上优于早期关于 CMap 的有限研究，既识别出了先前报道的关联，也发现了一些有趣的新结果。新发现包括：由 15-δ前列腺素 J2 和 HSP90 抑制剂诱导的效应中存在先前未知的相似性，这与药物的 3D 描述符相关；以及辛伐他汀诱导的白血病特异性抗炎反应，类似于皮质类固醇的效应。
引用
@article{arxiv.1312.7734,
title = {Identification of structural features in chemicals associated with cancer drug response: A systematic data-driven analysis},
author = {Suleiman A Khan and Seppo Virtanen and Olli P Kallioniemi and Krister Wennerberg and Antti Poso and Samuel Kaski},
journal= {arXiv preprint arXiv:1312.7734},
year = {2014}
}
备注
7 pages, 6 figures