点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
2024年10月26日，由中国科学院计算机网络信息中心的赵毅和四川大学附属华西医院的杨胜勇科研团队，在《Nature Communications》期刊上发表了一篇研究论文，详细介绍了他们新开发的深度生成模型PRnet。该模型专为预测全新化学扰动的转录反应而设计，这种预测不再需要依赖耗费巨大的人力和财力进行批量和单细胞水平的实验。这项研究表明，在预测新的化合物、路径和细胞系表现方面，PRnet的表现优于目前现有的方法。
PRnet依托其强大的基因特征分析能力，不仅能通过基因水平的信息对于疾病进行反应解释，还可用来进行高效的计算机药物筛选。在实际应用中，PRnet成功识别并实验验证出了一些针对小细胞肺癌和结直肠癌的新的候选化合物。该模型能生成一个大规模的扰动图谱整合图谱，涵盖88个细胞系以及52个组织，同时囊括多种化合物库，为233种不同疾病药物的推荐奠定了基础。
随着新型化合物的不断出现，传统的实验筛选手段由于成本高而时间久，一直面临着不小的挑战。针对这一现实，赵毅和杨胜勇团队研发的PRnet模型，以其高效、灵活和可扩展性的特点脱颖而出。这种模型通过学习基因水平的信息，帮助研究人员更高效地捕捉转录反应的异质性，从而在多种化合物和细胞系上获得优秀的预测能力。
PRnet的应用已经扩展到识别和验证小细胞肺癌和结直肠癌的候选药物。在针对小细胞肺癌的研究中，团队筛选了多个活性化合物，并对其活性和浓度进行了实验验证。在结直肠癌的研究中，借助PRnet识别出的天然成分显示出良好的抗癌活性。此类研究展示了PRnet在药物发现中的潜力。
PRnet在预测化合物库中的基因转录反应以及确认疾病潜在候选药物方面，展现出了卓越的效果，具有广泛的应用前景。通过这种高效的方法，不仅为药物发现带来了便利，也为研究人员深入理解疾病和药物之间的复杂关系提供了新的视角。
值得注意的是，尽管PRnet在领域内显示出了其独特优势，但其在药物敏感性和基因表达变化的关系探索中，仍需结合更多的实验数据进行全面分析，特别是在研究复杂疾病或癌症的过程中。未来，团队计划将PRnet的应用拓展到更多扰动实验中，包括遗传扰动，以进一步提升模型的预测能力，促进药物研发的加速。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
