阿斯利康|知识图谱在生物医学中的应用
The following article is from GenomicAI Author GenomicAI
同时一作也在YouTube上分享了整个知识图谱开发的思路与过程。
文章中称:在阿斯利康内部,知识图谱已在慢性阻塞性肺部疾病、哮喘、肺癌适应症的靶点推荐中获得显著的成功。
同时知识图谱在CRISPER screen hits推荐也得到成功的应用,如发现了EGFR突变的非小细胞肺癌耐药机制。具体内容已发表在BioRxiv:"Knowledge graph-based Recommendation Framework identifies Novel Drivers of Resistance in EGFR mutant Non-small Cell Lung Cancer"。
AZ做知识图谱有三个目的:(1)提高KG的内部专业知识和能力;(2)提供一个可重用的框架能够快速部署于特定问题的KG;(3)建立对所有治疗领域和适应症的大规模支持的潜力。
参考资料
https://www.biorxiv.org/content/10.1101/2021.10.28.466262v1
----------- End -----------
感兴趣的读者,可以添加小邦微信(zhiyaobang2020)加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或
姓名-学校-职务/研究方向。
- 历史文章推荐 -
【药物设计】
●CAS博客|首批进入临床试验的AI设计的候选药物:结构新颖性评估
●Drug Discov Today|人工智能增强的药物设计和开发:迈向计算型精准医学
●Drug Discov Today|用于从头药物设计的图神经网络GNN
●Nat Commun|AI结合基因表达特征,从头生成类苗头化合物
●Drug Discov Today综述|分子从头设计和生成模型
●Nat Comput Sci综述|生物分子建模在技术时代蓬勃发展
【靶点发现】
●Nature Outlook|借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点
●AI+临床数据助力新药靶点发现,天坛医院院长王拥军谈【神农计划】
【临床试验】
●Patterns|诺华举办内部挑战赛,用AI预测候选药物的临床试验成功率
●NPJ Digit Med|多种数字健康技术在去中心化的世界中赋能临床研究
●Nature:如何使用AI分析真实世界数据,简化肿瘤临床试验入组标准
【产业进展】
●20家顶尖制药公司如何将AI应用于药物研发:近年来主要合作活动
【算法开发】
【机器学习质量】
【隐私计算】
●Science China|用增强的联邦学习应对药物发现数据小和偏的困境
●Nature:优于联邦学习的医疗数据共享技术Swarm Learning及应用案例
●AI药物发现的数据共享模式探索:以十大顶尖药企参加的MELLODDY项目为例
【AlphaFold】
●BioRxiv|利用AlphaFold-Multitimer进行蛋白质复合物预测
●谷歌母公司推出AI驱动的药物发现初创公司Isomorphic Labs
●Nat Rev Drug Discov|AlphaFold对药物发现意味着什么?
【监管】
●Nat Mach Intell|美国和欧洲如何监管医学领域的人工智能
●Drug Discov Today|FDA童伟达:基于AI的语言模型为药物发现和开发提供动力