香港城市大学：使用人工智能准确预测协同抗癌药物组合

　　

   

   

图:图中蓝色和绿色圆圈分别代表两种药物靶向的蛋白质。橙色圆圈代表与癌细胞系相关的蛋白质，黑点代表其他人类蛋白质。

资料来源:DOI:10.1093/jamia/ocab162

由香港城市大学(City University of Hong Kong)学者领导的研究团队最近开发了一种新的人工智能(AI)框架，可以对抗癌药物的治疗效果和毒副作用进行协同预测。这项研究揭示了应用人工智能和机器学习来发现癌症和其他复杂疾病的有效治疗组合的潜力。

研究团队由城市大学数据科学学院副教授张庆鹏博士领导。研究结果发表在《美国医学信息学协会杂志》(JAMIA)上。

将人工智能应用于癌症治疗

为了达到最佳的治疗效果，医生通常会开出多种类型的药物来治疗癌症和艾滋病等复杂疾病。然而，最佳药物组合的知识通常是基于临床经验和判断。

近年来，由于能够处理大规模复杂的生物和临床数据，人工智能和数据科学在癌症治疗和药物发现中变得越来越重要。作为将人工智能应用于癌症药物发现的首次尝试，张博士的研究小组以数据科学为研究重点，成功开发了“Graph Convolutional Network for drug Synergy (GraphSynergy)”。这是一种新型的人工智能框架，可以进行协同化疗药物联合预测。

通过分析人类蛋白-蛋白-相互作用网络(protein-protein-interaction network, PPI)中药物靶向的蛋白模块与与癌细胞相关的蛋白模块之间的关系以及蛋白模块之间的相互关系，这种基于深度学习的算法可以识别协同药物组合，产生更低毒性的有效治疗。

分析人类蛋白质-蛋白质-相互作用网络

张博士解释说，人体是一个复杂的系统，细胞内的蛋白质有许多相互作用，形成一个复杂的PPI网络。癌细胞通常与多种蛋白质相关，这些蛋白质之间或与PPI网络中的其他蛋白质有直接或间接的相互关系。“因此，如何混合和匹配多种药物来治疗癌症是非常具有挑战性的。考虑到PPI网络的复杂性。因此，我们使用人工智能分析药物和癌细胞靶向的蛋白质，以及蛋白质之间的相互关系，以帮助准确预测协同抗癌药物组合，”张博士说。

他强调，这些预测不仅是通过检查药物和癌细胞直接靶向的蛋白质，而且还通过检查蛋白质之间的关系，从而在确定最佳协同抗癌药物低毒组合方面产生了优越的性能。

研究团队将GraphSynergy与传统预测模型以及“DeepSynergy”等最新药物组合预测算法的预测性能进行了比较。他们发现，GraphSynergy在识别低毒性协同药物组合方面的预测性能更好。

为了验证GraphSynergy做出的预测，团队选择了临床验证的协同药物组合来运行算法。GraphSynergy预测这样的组合也具有协同作用。

根据该团队获得的公共数据集，其中一种药物组合的治疗效果被认为不是那么显著。然而，GraphSynergy预测它在药理上是有效的。研究小组通过查阅文献进一步研究了这种药物联合。最近在临床试验中验证了其有效性。张博士认为，这说明了人工智能算法的预测和预测能力。

张博士补充说，GraphSynergy可以识别在抗癌药物有效过程中发挥作用的关键蛋白质。这种洞察力有助于医疗保健专业人员理解预测，并为未来的药物开发提供指导。

由香港科技300和香港科技园共同孵化

“我们的人工智能框架有潜力以低成本优化癌症治疗。希望能为医患双方作出医疗决策提供依据。下一步，我们将把这一框架应用于癌症和其他疾病的药物开发。”

探讨翻译研究的一个实际应用,研究团队的核心成员建立了“指南针卫生技术”,这是一个创业团队由香港理工大学300年co-incubated使用证旗舰创新和创业项目,和香港科技园公司(HKSTP)。

张博士是该论文的通讯作者。第一作者杨建南，张博士指导的城市大学数据科学学院博士生。其他合作者来自香港大学、香港中文大学和华中科技大学同济医院。

本研究得到国家自然科学基金、香港食品卫生局健康与医学研究基金、香港创新科技署创新科技基金和国家重点研发计划资助。

https://www.cityu.edu.hk/research/stories/2021/12/02/using-ai-accurately-predicting-synergistic-cancer-drug-combinations

文章标题

GraphSynergy: a network-inspired deep learning model for anticancer drug combination prediction