Identification of Drug-Disease Associations Using a Random Walk with Restart Method and Supervised Learning.

Araştırma özeti

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

İlaç-hastalık korelasyonları, hastalığın mekanizmasını ortaya çıkarmada, mevcut ilaçların yeni endikasyonlarını bulmada veya ilaç yeniden konumlandırmasında önemli bir rol oynar. İlaç-hastalık korelasyonlarını bulmak ve iyi performanslar elde etmek için çeşitli hesaplama yaklaşımları önerildi. Bununla birlikte, bu yöntemler çeşitli ağ bilgileri kullandı, ancak entegre ağlar nadiren kullanıldı. Ayrıca, bilinen uyuşturucu-hastalık derneği verilerinin rolü tam olarak oynanmamıştır. Bu çalışmada, uyuşturucu-hastalık korelasyonlarını bulmak için rastgele yürüyüş ve denetimli öğrenmenin bir kombinasyon algoritmasını tasarladık. Modeli güncellemek için entegre bir ağ kullandık ve bilinen ilaç-hastalık korelasyonları verilerine dayanarak rastgele yürüyüşün başlangıcı olarak bir gen seti seçtik. Deneysel sonuçlar, önerilen yöntemin ilaçlar ve hastalıklar arasındaki korelasyonu etkili bir şekilde bulabileceğini ve tahmin doğruluğunun %82.7 olduğunu göstermektedir. Henüz bildirilmemiş 8 çift ilaç-hastalık ilişkisi olduğunu ve bunların 5'inin Parkinson hastalığı üzerinde farmakodinamik etkileri olduğunu tespit ettik. Ayrıca Parkinson hastalığı ile fenilheksol arasında, Parkinson hastalığı alfa-sinüklein ve tau proteininin tedavisi için bir ilaç olan önemli bir bağlantının, Parkinson hastalığının tedavisinin etkinliği için yararlı bir keşif sağladığını bulduk.

Özgün kaynak özetini okuyun

Drug-disease correlations play an important role in revealing the mechanism of disease, finding new indications of available drugs, or drug repositioning. A variety of computational approaches were proposed to find drug-disease correlations and achieve good performances. However, these methods used a variety of network information, but integrated networks were rarely used. In addition, the role of known drug-disease association data has not been fully played. In this work, we designed a combination algorithm of random walk and supervised learning to find the drug-disease correlations. We used an integrated network to update the model and selected a gene set as the start of random walk based on the known drug-disease correlations data. The experimental results show that the proposed method can effectively find the correlation between drugs and diseases, and the prediction accuracy is 82.7%. We found that there are 8 pairs of drug-disease relationships that have not yet been reported, and 5 of them have pharmacodynamic effects on Parkinson's disease. We also found that a key linkage between Parkinson's disease and phenylhexol, a drug for the treatment of Parkinson's disease α-synuclein and tau protein, provides a useful exploration for the effectiveness of the treatment of Parkinson's disease.

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.