使用人工智能进行准确预测协同抗癌药物组合

学者领导的研究小组从香港城市大学(城大)最近开发出一种新型人工智能(AI)框架,可以协同抗癌药物组合预测疗效和毒性反应。研究显示应用人工智能和机器学习的潜力发现有效的组合在治疗癌症和其他复杂的疾病。

研究小组是由张Qingpeng博士,副教授应邀接受学院的科学数据。研究结果已发表在美国医学协会杂志》上(哈福)。

应用人工智能在癌症疗法

达到最好的治疗效果,多种类型的药物是临床上常用的治疗复杂疾病如癌症和艾滋病毒/艾滋病。然而,最好的组合药物的知识通常是基于临床经验和判断。

近年来,人工智能和数据科学已经变得越来越重要癌症治疗和药物发现的能力来处理大规模复杂的生物学与临床数据。作为他们的第一次尝试在癌症中使用人工智能药物发现,Zhang博士的研究小组的研究重点是数据科学,成功开发了“图卷积网络药物协同作用(GraphSynergy)”。它是一种新型人工智能预测框架,可以协同化疗药物组合。

通过分析蛋白质之间的关系模块的目标药物和蛋白质相关模块癌症细胞系在人类protein-protein-interaction网络(PPI),和之间的相互关系蛋白质模块,这deep-learning-based算法可以识别协同毒性较低的药物组合,产生有效的治疗。

分析了人类protein-protein-interaction网络

张博士解释说,人体是一个复杂的系统,蛋白质在细胞中有大量的互动,形成一个复杂的PPI网络。癌细胞通常与多个相关的蛋白质,具有直接和间接的相互之间的关系,与其他蛋白质在PPI网络。“如何混合和匹配多个药物来治疗癌症是非常具有挑战性的。考虑PPI网络的复杂性。所以,我们使用人工智能分析蛋白质药物和癌细胞的目标,以及蛋白质之间的相互关系,有助于准确预测协同抗癌药物组合,”Zhang博士说。

他强调,预测是由检查不仅直接靶向药物和蛋白质的癌细胞,而且蛋白质之间的关系,从而产生性能优越在识别最好的低毒性的协同抗癌药物组合。

研究团队相比GraphSynergy与传统预测模型的预测性能和最新的药物组合预测算法,如“DeepSynergy”。他们发现GraphSynergy的预测性能更好的识别协同低毒性的药物组合。

来验证预测由GraphSynergy,团队选择临床验证协同药物组合运行算法。和GraphSynergy预测此类组合的协同。

根据团队获得的公共数据集,治疗效果的药物组合被认为是不重要的。然而,GraphSynergy预测药物有效。研究小组进一步研究,通过文献回顾药物组合。结果表明其有效性是最近在临床试验研究证实。张认为这说明了预测和博士预测人工智能算法的能力。

张博士说,GraphSynergy可以识别关键蛋白质发挥作用,使得癌症药物有效。这样的洞察力能帮助医疗专业人士了解预测,在未来的药物开发提供指导。

300和HKSTP Co-incubated香港科技

“我们的AI框架优化癌症治疗的潜力以较低的成本。我们希望它能提供医生和病人作出医疗决定的理由。我们的下一步将应用框架药物癌症和其他疾病的发展,”Zhang博士总结道。

探讨翻译研究的一个实际应用,研究团队的核心成员建立了“指南针卫生技术”,这是一个创业团队由香港理工大学300年co-incubated使用证旗舰创新和创业计划,和香港科技园公司(HKSTP)。