为233种疾病推荐候选药物，中国科学院深度生成模型助力药物发现，登Nature子刊

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 了解转录对化学扰动的反应是药物发现的核心，但对疾病化合物组合进行详尽的实验筛选是不可行的。 为了克服这一限制，中国科学院、四川大学华西医院的研究人员提出了 PRnet， 这 是一种扰动条件下的深度生成模型，可预测转录对从未在体细胞和单细胞水平上进行实验扰动的新化学扰动的反应。 评估表明，PRnet 在预测新化合物、新途径和新细胞系的反应方面优于已有方法。PRnet 能够基于基因特征对基因水平的反应进行解释，并针对疾病进行计算机药物筛选。 PRnet 进一步识别并通过实验验证了针对小细胞肺癌和结直肠癌的新型化合物候选物。并且，PRnet 生成了大规模的扰动谱整合图谱，涵盖了 88 种细胞系、52 种组织和各种化合物库。 PRnet 提供了强大且可扩展的候选 ………………………………