这里我们同时用到了癌细胞系的基因组信息(基因表达)以及天然产物的化学结构特征(化学描述符)。当这些机器学习模型分别应用到两个数据集

这里我们同时用到了癌细胞系的基因组信息(基因表达)以及天然产物的化学结构特征(化学描述符)。当这些机器学习模型分别应用到两个数据集,训练集和独立的测试集时,这些预测模型展现出了非常好的预测准确性。此外,我们也证明了该方法对于两种天然产物,即姜黄素和白藜芦醇抗肿瘤活性的预测能力。这表明该方法能够有效地预测出这两种天然产物与多种癌症细胞系敏感性的一一对应的关系。一般同时把病人的基因组特征信息与天然产物的敏感性联系起来。基于以上结果,有理由认为该方法能够在癌症的预防治疗以及精确性医疗的发展中,对鉴定潜在的候选天然产物起到促进的作用。近年来,很多天然产物在实验室被分离纯化,并且被证明具有一定的抗肿瘤活性,例如喜树碱,长春花碱,信筒子醌,紫杉醇等等。这些天然来源的产物已在黑色素瘤,白血病,乳腺癌等多http://www.selleck.cn/products/blu9931.html种癌症的治疗当中起到关键的作用。另外,越来越多基于天然产物结构的新的衍生物成为了抗肿瘤的候选药物。然而,用实验的方法来筛天然产物先导化合物是极为费时费力的。因此,应用计算的方法对其构效关系的研究是一个好的选择。传统的研究构效关系的方法大都是拥有化学背景的科研人员以先导化合物的基本骨架为基础,合成一系列的类似物,再根据经验来对它们的抗Dabrafenib肿瘤活性进行预测。这些构效关系的研究方法只用结构信息,尝试对单个癌症细胞系或者单一组织类型的抑制进行预测。尽管已经取得了许多成果,该问题还远远没有被很好地解决。为了获得全面的分析,我们打算使用一种新的,同时基于化学结构和基因组信息的研究思路。这样可以一次同时检测多个己知的癌症细胞系对数百种天然产物的敏感性。我们首次使用癌细胞系的基因表达数据和天然产物结构的化学描述符建立了机器学习方法来预测癌细胞系对天然产物的反应。

Leave a Comment

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>