Adera2.0: A Drug Repurposing Workflow for Neuroimmunological Investigations Using Neural Networks.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Nöroimmünolojik (NI) araştırmalar bağlamında yeniden ilaç kullanımı hala birincil aşamalarındadır. İlaçların yeniden kullanımı, uzun ilaç keşif prosedürlerini atlayan ve bilinen ilaçlar için yeni kullanımlar keşfetmeye odaklanan önemli bir yöntemdir. Alzheimer, Parkinson, multipl skleroz ve depresyon gibi nöroimmünolojik hastalıklar, merkezi sinir sistemi ile bağışıklık sistemi arasındaki etkileşimden kaynaklanan çeşitli patolojileri içerir. Bununla birlikte, NI ilaçlarının yeniden kullanılması, madencilik gerektiren çok miktarda bilgi tarafından engellenir. Daha önce sorgu tabanlı soruları cevaplamak için metin madenciliği yapabilen Adera1.0'ı sunduk. Bununla birlikte, Adera1.0 ilgili cümleler içinde kimyasal bileşikleri otomatik olarak tanımlayamadı. Nöroimmünolojik hastalıklar için bilinen ilaçları yeniden kullanma ihtiyacını gidermek için, ilaç repurposing gerçekleştirmek için Adera2.0 adında derin bir sinir ağı inşa ettik. İş akışı üç derin öğrenme ağı kullanır. İlk ağ bir kodlayıcıdır ve ana görevi metni matrislere gömmektir. İkinci ağ, gömülü matrisler biçiminde cevapları tahmin etmek için ortalama bir kare hata (MSE) kayıp fonksiyonu kullanır. Güncellenen iş akışımızdaki ana yeniliği oluşturan üçüncü ağ, aynı zamanda bir MSE kayıp fonksiyonu kullanır. Ana kullanımı, bileşik isimleri önceki ağdan kaynaklanan ilgili cümlelerden çıkarmaktır. Ağ işlevini optimize etmek için sekiz farklı tasarımı karşılaştırdık. RNN sinir ağı ve sızıntılı ReLU'dan oluşan derin bir sinir ağının 0.0001 kayıp ve 67% hassasiyet elde edebileceğini bulduk. Ek olarak, Adera2.0'ın NI ilaç kullanımını DRUG Repurposing Hub veritabanına karşı tahmin etme yeteneğini doğruladık. Bu sonuçlar, Adera2.0'ın ilaç döngüsünün gelişimini kısaltabilecek ilaç adaylarını yeniden kullanma yeteneğini belirler. İş akışı çevrimiçi olarak indirilebilir.

Özgün kaynak özetini okuyun

Drug repurposing in the context of neuroimmunological (NI) investigations is still in its primary stages. Drug repurposing is an important method that bypasses lengthy drug discovery procedures and focuses on discovering new usages for known medications. Neuroimmunological diseases, such as Alzheimer's, Parkinson's, multiple sclerosis, and depression, include various pathologies that result from the interaction between the central nervous system and the immune system. However, the repurposing of NI medications is hindered by the vast amount of information that needs mining. We previously presented Adera1.0, which was capable of text mining PubMed for answering query-based questions. However, Adera1.0 was not able to automatically identify chemical compounds within relevant sentences. To challenge the need for repurposing known medications for neuroimmunological diseases, we built a deep neural network named Adera2.0 to perform drug repurposing. The workflow uses three deep learning networks. The first network is an encoder and its main task is to embed text into matrices. The second network uses a mean squared error (MSE) loss function to predict answers in the form of embedded matrices. The third network, which constitutes the main novelty in our updated workflow, also uses a MSE loss function. Its main usage is to extract compound names from relevant sentences resulting from the previous network. To optimize the network function, we compared eight different designs. We found that a deep neural network consisting of an RNN neural network and a leaky ReLU could achieve 0.0001 loss and 67% sensitivity. Additionally, we validated Adera2.0's ability to predict NI drug usage against the DRUG Repurposing Hub database. These results establish the ability of Adera2.0 to repurpose drug candidates that can shorten the development of the drug cycle. The workflow could be download online.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.