面向 COVID-19 的机器学习驱动药物重定位
机器学习
2020-06-29 v1 定量方法
机器学习
摘要
将机器学习方法整合到生物信息学中，在识别某种环境下有效疗法如何可能在未知临床环境或针对新病症时具有效用方面带来特殊益处。我们旨在通过对神经网络模型的使用，发现病毒蛋白与对其有效的抗病毒疗法之间的潜在关联。利用美国国家生物技术信息中心病毒蛋白数据库以及 DrugVirus 数据库（其提供了广谱抗病毒剂 (BSAAs) 及其抑制病毒的全面报告），我们以病毒蛋白序列为输入、以被认为对人安全的抗病毒剂为输出训练了 ANN 模型。模型训练排除了 SARS-CoV-2 蛋白，且仅包含 II、III、IV 期及获批级别药物。将 SARS-CoV-2（引起 COVID-19 的冠状病毒）的序列作为训练后模型的输入，产生用于 COVID-19 治疗的暂定对人安全抗病毒候选物的输出。我们的结果提示了多个药物候选物，其中一些补充了近期值得注意的临床研究的发现。我们这种计算层面的药物重定位方法在识别其他病毒的新药候选物与疗法方面具有前景。
引用
@article{arxiv.2006.14707,
title = {Machine-Learning Driven Drug Repurposing for COVID-19},
author = {Semih Cantürk and Aman Singh and Patrick St-Amant and Jason Behrmann},
journal= {arXiv preprint arXiv:2006.14707},
year = {2020}
}
备注
Submitted to NeurIPS 2020. 11 pages, 3 figures, 5 tables, 12 pages of appendices