创建互补综合网络用于快速筛选适用于新发疾病爆发的可用药物

新型药物重新定位方法的网络构建与应用研究 背景 在COVID-19大流行期间,研究人员和制药公司致力于开发治疗和疫苗。药物重新定位由于捷径被认为是快速有效的应对策略。药物重新定位试图发现已批准药物的新用途,被认为比传统药物发现路径更廉价且更迅速[1–3]。例如,瑞德西韦和地塞米松就是两种成功的重新定位药物[4–6]。虽然全球疫情逐渐转向地方性阶段,病毒传播仍在继续。快速发现候选药物并提供给医学或制药领域的专家进行研究的重要性已被COVID-19大流行深刻地提醒了我们[7]。 随着生物学机制的进步和生物医学知识的收集,更准确和精确的基于计算的药物重新定位成为可能。网络药物学(network medicine)通过观察生物实体(如药物、基因和疾病)之间的复杂关系,提供候选药物[8–11]。但在新...

利用基于相位的脑连接与图论的ADHD潜在早期生物标志物检测

ADHD 早期检测潜在生物标志的研究报告:基于相位的脑功能连接和图论分析 本文是一篇研究报告,题为“潜在生物标志物用于 ADHD 早期检测的研究:采用相位脑功能连接和图论分析”。这项研究由 Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini 和 Yeganeh Modaresnia 完成,发表于 Physical and Engineering Sciences in Medicine(2023)第 46 卷,1447-1465 页。本文于 2023 年 9 月 5 日在线发表。本文的学术背景,研究方法,实验结果和科学价值将详细阐述。 学术背景和研究问题 注意缺陷多动障碍(ADHD)是一种神经发育疾病,以注意力不集中和过度活跃/冲动的症状为特征...

脑科学研究启发人工智能算法:知识组装的神经机制

脑科学研究启发人工智能算法:知识组装的神经机制

脑科学研究启发人工智能算法:知识组装的神经机制 背景简介 当新的信息进入大脑时,人类对世界的先前知识可以通过一种被称为“知识组装”(knowledge assembly)的过程迅速改变。近期,由Nelli等人进行的一项研究中,探索了人类大脑中知识组装的神经关联。研究者们受到这一神经机制的启发,开发了一种人工神经网络算法,以实现快速知识组装,提高系统的灵活性。这一研究再一次证明了研究大脑工作方式能够推动更好的计算算法的发展。 研究来源 这篇研究论文由Xiang Ji、Wentao Jiang、Xiaoru Zhang、Ming Song、Shan Yu和Tianzi Jiang完成,作者们主要来自中国科学院的脑科学与智能技术卓越创新中心、自动化研究所的脑网络组中心及实验室以及浙江实验室的增强智...

原发闭角型青光眼患者的脑网络拓扑结构的图论分析

原发闭角型青光眼患者的脑网络拓扑结构的图论分析

原发闭角型青光眼患者的脑网络拓扑结构的图论分析 研究背景 青光眼是一种以视神经损害和眼压升高为特征的全球性致盲眼病(Kang and Tanna 2021)。在各种类型的青光眼中,初级闭角型青光眼(Primary Angle-Closure Glaucoma,PACG)在亚洲尤为普遍(Chan et al. 2016)。PACG的病因复杂,包括前房角狭窄、前房拥挤导致关闭(Sun et al. 2017)、脉络膜增厚(Zhou et al. 2013; 2014),以及脉络膜扩张(Kumar et al. 2008),最终导致眼压升高。环境因素如光照条件也会影响瞳孔大小,从而影响前房角。此外,视网膜神经节细胞的丧失也是青光眼的显著病理特征,相关研究表明这些细胞的损害可导致视神经和束的萎缩,进...

基于源级EEG和图论的卒中后癫痫患者功能连接变化研究报告

基于源级EEG和图论的卒中后癫痫患者功能连接变化研究报告 研究背景 癫痫的病因多种多样,包括特发性、先天性、头部外伤、中枢神经系统感染、脑肿瘤、神经退行性疾病或者脑血管疾病(Disease)。其中,脑血管疾病占全部癫痫病例的约11%,是老年癫痫患者最常见的病因。同时,卒中后癫痫(Post-Stroke Epilepsy, PSE)是卒中患者常见的并发症之一,3%至30%的卒中患者可能会发展为PSE。卒中性癫痫的风险因素包括皮质参与、出血性转化、早期癫痫发作、年轻时发病、卒中严重程度(如高NIHSS评分)以及酗酒。 网络科学和图论被认为在理解脑功能上具有显著潜力。图论的图指标可反映网络的整合和隔离特性,因此被广泛应用于包括癫痫在内的各种神经系统疾病研究中。然而,尽管已有研究表明癫痫患者的脑网络...

基于分层负采样图对比学习的药物-疾病关联预测方法

基于分层负采样的图对比学习用于药物-疾病关联预测的研究 针对药物-疾病关联(RDAs)的预测在揭示疾病治疗策略和促进药物重新定位方面起着至关重要的作用。然而,现有的方法在预测药物和疾病之间的候选关联时,主要依赖于有限的领域特定知识,因而效果受限。此外,将药物-疾病关系的未知信息简单地定义为负样本存在固有不足。为克服这些挑战,本文提出了一种新的基于分层负采样的图对比模型,称为HSGCL-RDA,该模型旨在预测药物和疾病之间的潜在关联。 研究背景与研究问题 药物开发与疾病进展控制过程漫长且昂贵,而随着疾病数量及其变异的不断增加,对有效药物的需求也在增长。全球性疾病爆发(如新冠肺炎)对现有药物的治疗提出了极大挑战,迫切需要快速开发新的治疗药物。研究现有药物的新用途涉及许多挑战。现有的算法模型虽然在...

使用多视角自适应加权图卷积网络预测非小细胞肺癌的免疫治疗效果

非小细胞肺癌的免疫疗法疗效预测:多视角自适应加权图卷积网络研究报告 背景介绍 肺癌是一种具有极高发病率和较差预后效果的恶性肿瘤,长期以来其致命率居高不下。在所有的肺癌患者中,非小细胞肺癌(Non-Small Cell Lung Cancer,简称NSCLC)约占85%。作为一种新兴的治疗手段,肿瘤免疫疗法为癌症患者提供了新的治疗思路。然而,免疫疗法费用高昂,且仅有约20%到50%的患者能够通过免疫疗法获得满意的疗效。此外,在治疗过程中,免疫性肺炎和肝炎等副作用可能发生。因此,在患者接受免疫疗法治疗前预测其疗效具有重要意义。 近年来,以机器学习为基础的放射组学在预测NSCLC免疫疗法的疗效方面表现出潜力。放射组学特征已经被证明为有效预测免疫疗法疗效的代理标志物。然而,大多数研究仅考虑了个体患者...

用于膳食营养和人类健康问答的综合知识图谱

背景与研究动机 众所周知,食物营养与人类健康密切相关。科学研究表明,膳食营养不当与200多种疾病有联系,尤其在考虑肠道微生物代谢的情况下,食物营养成分与疾病之间的复杂交互作用更是难以系统化和实际应用。正因为如此,开发一个整合全面知识并提供实用应用的框架变得十分迫切,以支持获取饮食相关的查询。 研究来源 本文是一项由Chengcheng Fu、Xueli Pan、Jieyu Wu、Junkai Cai、Zhisheng Huang、Frank Van Harmelen、Weizhong Zhao、Xingpeng Jiang和Tingting He共同撰写的研究。这项研究的参与者来自湖北省人工智能与智能学习重点实验室、华中师范大学计算机科学学院以及Vrije Universiteit Amst...

从生物网络中学习蛋白质知识预测药物靶标亲和力

##基于生物网络学习蛋白质知识来预测药物-靶点亲和力 背景介绍 药物-靶点亲和力(drug-target affinity, DTA)预测在药物发现环节中占据重要地位。高效且准确的DTA预测可以显著缩短新药开发的时间和经济成本。近年来,深度学习技术的爆炸性发展为DTA预测提供了强大的支持。现有的DTA预测方法主要分为基于1D蛋白质序列和基于2D蛋白质结构图的方法。然而,这些方法仅关注靶蛋白的内在特性,忽略了过往研究中明确揭示的蛋白质交互的广泛先验知识。 针对上述问题,本文提出了一种名为MSF-DTA(基于多源特征融合的药物-靶点亲和力)的端到端DTA预测方法。MSF-DTA通过利用邻接蛋白的信息,增强蛋白质的表示,并使用高级图预训练框架VG-AE(变分图自动编码器)来学习这些表示,使得预测结...

基于知识增强图主题Transformer的可解释生物医学文本摘要

基于知识增强的图主题Transformer在可解释生物医学文本摘要中的应用 研究背景 由于生物医学文献发表量持续增加,自动生物医学文本摘要任务变得愈加重要。2021年,仅在PubMed数据库中就发表了1,767,637篇文章。现有的基于预训练语言模型(Pre-trained Language Models,简称PLMs)的摘要方法虽然提升了摘要性能,但在捕捉领域特定知识和结果可解释性方面存在显著局限。这可能导致生成的摘要缺乏连贯性,包括冗余句子或重要领域知识的遗漏。此外,变压器模型的黑箱特性使得用户难以理解摘要生成的原因和方式,因此在生物医学文本摘要中,包含领域特定知识和可解释性对提高准确性和透明度至关重要。 研究来源 本文的论文由Qianqian Xie、Prayag Tiwari(IEE...