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...

通过亲和图增强分类器进行哮喘预测:基于常规血液生物标志物的机器学习方法

哮喘预测通过关联图增强分类器:基于常规血液生物标志物的机器学习方法 背景介绍 哮喘是一种影响全球约2.35亿人的慢性呼吸系统疾病。据世界卫生组织(World Health Organization, WHO)统计,哮喘病的主要特点是气道炎症,导致哮喘患者出现喘息、呼吸急促和胸闷等症状。为了有效管理和治疗哮喘,及时准确的诊断至关重要。然而,传统的哮喘诊断方法往往结合病史、体格检查和肺功能测试,不仅昂贵,还由于某些患者的非典型症状,使得诊断时间延长或误诊。此外,儿童哮喘的诊断尤为困难,传统方法的耗时特性可能会加重这一问题。 随着机器学习(Machine Learning, ML)的发展,在分析医疗数据、识别模式和生成预测方面展现了巨大潜力。本研究旨在利用关联图增强分类器(Affinity Gra...

通过时间知识图谱和医学本体预测未来疾病

预测未来疾病:时间知识图谱和医学本体的融合 电子健康记录(Electronic Health Records,EHRs)是现代医疗机构不可或缺的工具。它们记录了患者的详细健康历史,包含人口统计数据、药物、实验室结果和治疗计划。这些数据不仅可以改善医疗服务之间的衔接和协调,还能帮助医疗提供者发现健康趋势并做出数据驱动的决策,从而提高患者的整体护理质量。然而,EHRs中存储的大部分数据是非结构化的,特别是由临床医生撰写的描述患者健康状况的自由文本数据,这给信息提取和有效利用带来了巨大的挑战。 为了应对这一挑战,许多研究尝试通过自然语言处理(Natural Language Processing,NLP)技术从非结构化数据中提取相关信息并将其链接到医学本体。最近的研究中,知识图谱(Knowledg...

基于知识图谱推荐的生物医学关系提取

医学关系抽取与知识图谱推荐结合的研究报告 背景介绍 在医学领域,文献的爆炸式增长使得研究人员难以及时跟踪各自领域内的最新进展。从自然语言处理(NLP)领域来看,不断发展的自动化工具能够帮助识别和提取非结构化文本中的相关信息,这一任务被称为关系抽取(Relation Extraction,RE)。RE的主要目标是从文本中提取和分类医学实体之间的关系,增强我们对生物医学过程的理解。 目前,大多数尖端的医学RE系统使用深度学习方法,主要针对同类型实体间的关系,如基因和药物等实体。然而,这些系统大多仅限于从文本直接提取的信息,忽略了专门领域的知识库,如本体论(Ontology),这些本体论通常结构化为有向无环图(Directed Acyclic Graphs,DAG)。 另一方面,基于知识图谱(Kn...

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...

阶段感知分层注意力关系网络用于诊断预测

分层注意力关系网络在诊断预测中的应用 近年来,电子健康记录(Electronic Health Records,简称EHR)在提高医疗决策、在线疾病检测和监测方面变得极为有价值。同时,基于深度学习的方法在利用EHR进行健康风险预测和诊断预测方面也取得了巨大的成功。然而,深度学习模型通常需要大量的数据,由于参数的庞大数量。此外,EHR数据中存在大量罕见的医学代码,这对临床应用带来了巨大的挑战。因此,一些研究提出采用医学本体来增强预测性能并提供可解释的预测结果。然而,这些医学本体通常规模较小且粒度较粗,缺乏许多诊断和医学概念,更不用说这些概念之间的各种关系了。 为了克服这一限制,本文提出将现有的大规模医学知识图谱(Knowledge Graph,简称KG)结合到诊断预测中,并设计了一种名为HAR...

施旺细胞来源的多效蛋白刺激成纤维细胞在丛状神经纤维瘤中过度增殖和胶原沉积

本研究探讨了神经纤维瘤病1型(neurofibromatosis type 1, NF1)相关的丛状神经纤维瘤(plexiform neurofibroma, PNF)中Schwann细胞和成纤维细胞之间的相互作用。研究的背景源于NF1的高发病率,约影响全球1/3000的新生儿,并伴随一系列独特的临床表现。PNF是NF1患者中常见的周围神经鞘瘤,约50%的患者罹患此疾病,并严重影响其生活质量。尽管经过数十年的研究,PNF依然无法治愈。现有的治疗方法主要针对NF1相关的Schwann细胞,并取得了一些临床疗效。然而,许多治疗方法,如选择性MEK抑制剂Selumetinib,仅对部分患者有效,且长期使用会导致耐药性。这促使研究人员将目光转向PNF中的成纤维细胞及其在肿瘤中异常增殖和胶原沉积的作用...

Romidepsin 通过 DDIT4-mTORC1 通路展现抗食管鳞状细胞癌活性

Romidepsin 通过 DDIT4-mTORC1 通路展现抗食管鳞状细胞癌活性 食管鳞状细胞癌(esophageal squamous cell carcinoma, ESCC)是全球最为常见的人类恶性肿瘤之一,具有高发病率和高死亡率。由于当前治疗选择有限,开发新型有效的治疗药物成为迫切需求。在本文中,研究者通过高通量药物筛选(high-throughput drug screening, HTS)技术对ESCC细胞系进行筛选,发现了组蛋白去乙酰化酶抑制剂罗米德辛(Romidepsin)在抑制ESCC细胞增殖、诱导细胞凋亡和细胞周期阻滞方面具有显著效果。实验结果还在ESCC细胞系衍生的移植瘤(CDX)及患者来源的移植瘤(PDX)小鼠模型中得到了验证。该研究由来自重庆医科大学及中南大学的研...

使用多波长激发的荧光光谱法稳健估计荧光团的显式基线模型

研究背景 荧光光谱是一种广泛应用于识别和量化荧光物质(荧光团)的方法。然而,当材料中包含其他荧光团(基线荧光团)时,量化感兴趣的荧光团变得具有挑战性,特别是当基线的发射光谱未明确定义且与目标荧光团的发射光谱重叠时。为了准确区分并量化这些荧光物质,研究人员提出了基于多波长激发荧光光谱的新方法。这项研究的主要目标是解决基线荧光干扰这一问题,并提供一种无需先验假设的稳健估计算法。 论文来源 这篇名为《An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy》的论文,作者包括A. Ga...

多级特征探索与融合网络用于MRI中IDH状态的预测研究

多级特征探索与融合网络用于MRI中IDH状态的预测研究 研究背景 胶质瘤是成年人中最常见的恶性原发性脑肿瘤。根据2021年世界卫生组织(WHO)对肿瘤的分类,基因型在肿瘤亚型划分中具有重要意义,尤其是异柠檬酸脱氢酶(IDH)基因型在诊断胶质瘤时极为重要。临床研究表明,携带IDH突变的胶质瘤通过特定的表观遗传变异特征驱动,影响酶活性、细胞代谢和生物特性;相较于携带IDH野生型的胶质瘤,携带IDH突变的胶质瘤对替莫唑胺更敏感,预后更好。目前,IDH状态的确定主要依赖于在侵入性手术后对组织标本进行基因测序或免疫组织化学分析。然而,侵入性操作可能延误最终治疗决策,甚至导致肿瘤转移。因此,迫切需要通过非侵入性的方法在术前预测IDH状态(IDH prediction),以便为胶质瘤患者制定适当的治疗方案...