机构名称：
¥ 2.0
摘要 针对癌症的单一疗法常常由于固有或获得性耐药性而失败。通过同时瞄准多个靶点，药物组合可以产生协同作用，从而提高药物有效性并降低耐药性。基于组学数据整合的计算模型已用于识别协同组合，但预测药物协同作用仍然是一个挑战。在这里，我们介绍了 DIPx，这是一种基于生物驱动的肿瘤和药物特异性通路激活评分 (PAS) 个性化预测药物协同作用的算法。我们使用两个独立的测试集在 AstraZeneca-Sanger (AZS) DREAM 挑战数据集中训练和验证了 DIPx：测试集 1 包含训练集中已经存在的组合，而测试集 2 包含训练集中不存在的组合，从而表明该模型能够处理新组合。预测的和观察到的药物协同作用之间的 Spearman 相关系数在测试集 1 中为 0.50（95% CI：0.47–0.53），在测试集 2 中为 0.26（95% CI：0.22–0.30），而挑战赛中表现最佳方法的 Spearman 相关系数分别为 0.38（95% CI：0.34–0.42）和 0.18（95% CI：0.16–0.20）。我们有证据表明，更高的协同作用与药物靶标之间的更高功能相互作用相关，并且这种功能相互作用信息可被 PAS 捕获。我们说明了如何使用 PAS 提供潜在的生物学解释，即激活介导联合药物协同作用的途径。总之，DIPx 可以成为个性化预测药物协同作用和 34 探索与联合药物作用相关的激活途径的有用工具。35
用于个性化预测药物协同作用的通路激活模型
主要关键词
相关文件推荐
