机构名称：
¥ 1.0
肺癌是全球癌症死亡的主要原因，而肺腺癌 (LUAD) 是最常见的肺癌类型。基因失调在 LUAD 的发展中起着至关重要的作用。基于药物靶基因和 LUAD 靶基因之间的关联进行药物重新定位有助于发现用于治疗 LUAD 的潜在新药，同时还可以降低新药发现和开发的金钱和时间成本。在这里，我们开发了一个基于机器学习的流程，通过已建立的图注意力网络 (GAT) 来预测潜在的 LUAD 相关靶基因。然后，我们通过基于基因巧合和基于基因网络距离的方法预测了用于治疗 LUAD 的潜在药物。使用来自 Cancer Genome Atlas 的 535 个 LUAD 组织样本和 59 个癌前组织样本的数据，鉴定出 48,597 个基因并用于构建 GAT 的预测模型。GAT 模型实现了良好的预测性能，受试者工作特征曲线下面积为 0.90。从GAT模型中识别出1597个潜在的LUAD相关基因。然后利用这些LUAD相关基因进行药物重新定位。计算了美国食品药品监督管理局批准的3070种药物和672种临床前化合物与靶基因的基因重叠和网络距离。其中，溴乙胺被预测为治疗LUAD的新型潜在临床前化合物，西咪替丁和苯溴马隆被预测为LUAD的潜在治疗药物。本研究建立的管线为开发LUAD的靶向疗法提供了新方法。
肺腺癌相关靶基因预测及药物重定位
主要关键词
相关文件推荐
