科學家利用深度學習模型探究藥物與多組學數(shù)據(jù)間的關聯(lián)

患有糖尿病等基礎疾病患者的藥物反應模式是相對復雜的，可能涉及多個器官和因素，而大部分影響機制仍然是未知的。近年來，表型和多組學篩查可用于揭示疾病特征，并為研究藥物在疾病進展中發(fā)揮的作用機制提供了新的手段。然而，多組學數(shù)據(jù)分析面臨著數(shù)據(jù)降維、數(shù)據(jù)異質性與整合困難等多方面挑戰(zhàn)。

近期，丹麥哥本哈根大學研究團隊開發(fā)了一個基于深度學習的框架，即MOVE（multi-omics variational autoencoders），并且將其應用于789名剛被診斷患有2型糖尿病患者的多組學表型數(shù)據(jù)，旨在探究藥物與組學表型之間的關系。該團隊開展了一系列試驗，使用MOVE探究20多種常見的糖尿病用藥的藥物組學關聯(lián)特征。研究結果顯示，二甲雙胍與2型糖尿病的12個臨床標志物均有顯著關聯(lián)，且與7個蛋白顯著相關。此外，還發(fā)現(xiàn)二甲雙胍和奧美拉唑與微生物組之間有顯著關聯(lián)。研究團隊指出，可以基于此類關聯(lián)來量化藥物相似性，發(fā)現(xiàn)新的潛在生物標志物，可能協(xié)助疾病診斷或增加治療有效性。相關研究結果于2023年1月2日以“Discovery of drug–omics associations in type 2 diabetes with generative deep-learning models”為題發(fā)表在《Nature Biotechnology》雜志上。

  注：此研究成果摘自《Nature Biotechnology》，文章內容不代表本網站觀點和立場。

知前沿，問智研。智研咨詢是中國一流產業(yè)咨詢機構，十數(shù)年持續(xù)深耕產業(yè)研究領域，提供深度產業(yè)研究報告、商業(yè)計劃書、可行性研究報告及定制服務等一站式產業(yè)咨詢服務。專業(yè)的角度、品質化的服務、敏銳的市場洞察力，專注于提供完善的產業(yè)解決方案，為您的投資決策賦能。