Nat. Commun. | 整理大规模扰动谱整合图，PRNet成功预测233种疾病的药物候选物

文章预览

DRUG AI 今天为大家介绍的是来自中国科学院普适计算系统研究中心和四川大学华西医院团队的一篇论文。理解化学扰动对转录反应的影响对于药物研发至关重要，但无法对所有疾病和化合物组合进行全面实验筛选。为克服这一限制，作者提出了PRnet，一种基于扰动条件的深度生成模型，用于预测全新化学扰动（实验未验证过的）在总体和单细胞水平上的转录反应。评估结果表明，PRnet在预测新化合物、通路及细胞系的反应方面优于其他方法。PRnet可以解释基因水平的反应，并能根据基因特征进行体外药物筛选。PRnet找出并实验验证了对小细胞肺癌和结直肠癌的新化合物候选物。最后，PRnet生成了一个涵盖88个细胞系、52种组织和多个化合物库的大规模扰动谱整合图。PRnet提供了一个稳健且可扩展的候选药物推荐流程，成功为233种疾病推荐了药物候选物。 ………………………………