XiaoMi-AI文件搜索系统
World File Search System频率预测
利用蛋白质靶标信息预测药物副作用频率的双重表示学习
摘要 — 了解药物的意外作用对于评估治疗风险和药物再利用至关重要。尽管现有的大量研究预测了药物副作用的存在，但其中只有四项研究预测了副作用的频率。不幸的是，目前的预测方法 (1) 没有利用药物靶标，(2) 不能很好地预测看不见的药物，(3) 没有使用多种异构药物特征。我们提出了一种基于深度学习的新型药物副作用频率预测模型。我们的模型利用靶蛋白信息以及分子图、指纹和化学相似性等异构特征同时创建药物嵌入。此外，该模型将药物和副作用表示到一个公共向量空间中，分别学习药物和副作用的对偶表示向量。我们还使用 Adaboost 方法扩展了我们模型的预测能力，以补偿没有明确靶蛋白的药物。我们在预测副作用频率方面取得了优于现有方法的最佳性能，尤其是对于看不见的药物。消融研究表明，我们的模型有效地结合并利用了药物的异质性特征。此外，我们观察到，当给出目标信息时，具有明确目标的药物比没有明确目标的药物产生更好的预测。实现可在 https://github.com/eskendrian/sider 上找到。
增加的基线RASGRP1信号增强了天然造血期间的干细胞适应性
RAS基因中的致癌突变，例如KRAS G12D或NRAS G12D，在活性状态下捕获RAS，并通过MX1CRE在骨髓中诱导时引起骨髓增生性疾病和T细胞白血病（T-ALL）。RAS交换因子RASGRP1在T-ALL患者中经常过表达。在T-ALL细胞系中，RASGRP1的过表达增加了通过RASGTP/ RASGDP循环的磁通量。在这里，我们在小儿T-ALL中扩展了RASGRP1的表达调查，并生成了跨到MX1CRE的Rolorig小鼠模型，以确定原代造血细胞中诱导的RASGRP1过表达的后果。rasGRP1过表达的GFP阳性细胞胜过野生型细胞，并随着时间的流逝而主导了外周血室。RASGRP1的过表达赋予功能收益的菌落形成特性，属于含有有限生长因子的培养基中的骨髓祖细胞。RASGRP1的过表达增强了骨髓中的基线MTOR-S6信号传导，但不能增强体外细胞因子诱导的信号。与这些机械性发现一致，HRASGRP1-IRES-EGFP增强了茎和祖细胞的适应性，但仅在天然造血的背景下。RASGRP1的过表达与KRAS G12D或NRAS G12D不同，并不会自行引起急性白血病，而白血病病毒插入频率预测RASGRP1过表达可以有效地与许多其他基因的病变一起引起急性T细胞白血病。