阿斯利康｜知识图谱在生物医学中的应用

阿斯利康团队近日在bioRxiv上发表了知识图谱在生物医药领域应用的文章："Biological Insights Knowledge Graph: an integrated knowledge graph to support drug development"。

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。

一、早期阿斯利康肿瘤计算方法

组合生物信息学

提供关键数据与见解来发现新靶点，新候选药物、新生物标志物。研究包括

Identified MMEJ reversion mutations in BRCA as driving PARPI therapy resistance.2020; 

Identified AKT1/PIK3CA/PTEN subpo'n of responders to Capivasertib.

数据科学

开发新的生物信息学、AI方法学来加速组合生物信息研究。研究包括

AZ-Sanger drug combination DREAM challenge evaluates 160 AI/ML methods.2019；

DeepPaN:deep patient graph convolutional network integrating clinico-genomics.2021。

系统生物学

加速理解复杂的系统生物学去筛选病人群体。研究包括

Adenosine is a mediator of a successful antitumor immune response. 2020

二、因果关系数据在药物发现中有很多应用

因果推断

基于生物网络的方法是确定导致观察实验改变的上游原因。这种因果推断的方法可以帮助找到药物MoA。

找到生物标志物

因果关系可以帮助找到感兴趣靶点相关的生物标志物。

三、是什么让知识图谱在药物研发中很有用

知识图谱在药物研发中的作用：（1）图可以从相似特征中推断缺失数据，克服了生物系统知识的稀疏性；（2）图表可以捕捉多种生物学机制，允许探索冗余和非线性生物学，例如表观基因组学；（3）图可以同时处理各种测量/数据类型，遗传学+临床以解决复杂的多模式表型；（4）图表示生物环境中的数据，并提供因果关系，从而提供透明、可解释的假设。

四、知识图谱的构建

基于Hetionet和opent argets数据源，整合私有数据和文献信息抽取数据构建知识图谱。

实体识别采用来自Scibite的软件Termite Tagger，实体消歧组合了各个公开软件的结果。

关系抽取用开源软件LINK，关系分类采用BioBERT和RBERT，关系的信息抽取采用OIE6软件。

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】

【靶点发现】

【临床试验】

【产业进展】

【算法开发】 

【机器学习质量】

【隐私计算】

【AlphaFold】

【监管】