基于活性谱分析、体外筛选和弹性网络回归的激酶抑制剂响应预测
定量方法
2014-07-29 v1 分子网络
摘要
许多激酶抑制剂已被批准用于癌症治疗。近年来，激酶抑制剂库已得到广泛的活性谱分析，从而提供了每种化合物对其大量靶点作用强度的图谱。这些经过谱分析的库定义了药物 - 激酶网络，可预测新未测药物的有效性，并阐明特定激酶在不同细胞系统中所起的作用。由于我们对靶向激酶下游复杂生物过程的了解尚不完全，基于细胞信号传导综合网络模型的药物有效性预测十分困难。我们开发了激酶抑制剂弹性网络（KIEN）方法，该方法整合了药物 - 激酶网络中的信息与体外筛选数据。该方法利用单药及药物组合的体外细胞响应作为训练集，构建线性和非线性回归模型。除了预测未测药物的有效性外，该方法还能识别在给定细胞系中与药物敏感性统计相关的激酶集合。我们比较了该方法的不同版本，该方法基于一种称为弹性网络（elastic net）的回归技术。来自双药组合的数据可生成预测模型，且通过对数据进行对数变换可提高预测能力。该方法应用于 A549 肺癌细胞系。对该方法识别出的激酶集合进行的通路富集分析显示，轴突导向、Rac 激活和半胱氨酸蛋白酶相互作用通路与该细胞系对治疗干预的选择性响应相关。
引用
@article{arxiv.1307.4802,
title = {Prediction of kinase inhibitor response using activity profiling, in-vitro screening, and elastic net regression},
author = {Trish Tran and Edison Ong and Andrew P. Hodges and Giovanni Paternostro and Carlo Piermarocchi},
journal= {arXiv preprint arXiv:1307.4802},
year = {2014}
}