MED
下载贤集网APP入驻自媒体
2021年6月17日，北京大学谢正伟，郑瑞茂，张宁及周虹共同通讯在Nature Biotechnology 在线发表题为“Prediction of drug efficacy from transcriptional profiles with deep learning”的研究论文，该研究为了克服这一挑战，描述了一种基于深度学习的功效预测系统 (DLEPS)，该系统使用疾病状态下基因表达谱的变化作为输入来识别候选药物。DLEPS 使用 L1000 项目中化学诱导的转录谱变化进行训练。 该研究发现以前未经检查的分子的转录谱的变化被预测为 Pearson 相关系数为 0.74。该研究检查了三种疾病，并通过实验测试了小鼠疾病模型中的候选药物。验证表明，紫苏、菊花皂苷 IV 和曲美替尼分别对肥胖、高尿酸血症和非酒精性脂肪性肝炎产生与疾病相关的影响。DLEPS 可以深入了解致病机制，该研究证明 MEK-ERK 信号通路是开发抗非酒精性脂肪性肝炎药物的靶标。总之，该研究结果表明，DLEPS 是药物再利用和发现的有效工具。
