skip to Main Content

مدلسازی اثرات جانبی پلی polypharmacy با نمودارهای شبکه حلقوی

عنوان انگلیسی: Modeling polypharmacy side effects with graph convolutional networks
سال نشر: ۲۰۱۸
نویسنده: Marinka Zitnik,Monica Agrawal,Jure Leskovec
تعداد صفحه فارسی: ۱۶ – تعداد صفحه انگلیسی: ۱۰
دانشگاه: Department of Computer Science, Stanford University, Stanford, CA, USA,Department of Computer Science, Stanford University, Stanford, CA, USA,Department of Computer Science, Stanford University, Stanford, CA, USA
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

انگیزه: استفاده از ترکیبات دارویی، که polypharmacy نامیده می‌شود، برای درمان بیماران با بیماری‌های پیچیده یا شرایط مشترک رایج است. با این حال، نتیجه عمده‌ی polypharmacy، خطر بسیار بالاتر اثرات جانبی نامطلوب برای بیمار است. عوارض جانبی ناشی از تداخلات دارویی ظاهر می‌شود که در آن فعالیت یک دارو ممکن است در صورتی که با داروی دیگری استفاده شود، تغییر کند. آگاهی از تداخلات دارویی اغلب محدود است زیرا این روابط پیچیده نادر هستند و معمولا در تست کلینیکی نسبتا کوچک مشاهده نمی‌شوند. کشف اثرات جانبی polypharmacy در نتیجه یک چالش مهم با پیامدهای مهم برای مرگ و میر و ناتوانی بیمار باقی می‌ماند.
نتایج: در اینجا، ما Decagon را ارایه می‌کنیم که روشی برای مدلسازی اثرات جانبی پلی polypharmacy است. این رویکرد، یک نمودار چند وجهی از برهمکنش‌های پروتیین‌ها، برهم کنش‌های هدف پروتیین – دارو و اثرات جانبی پلی polypharmacy را ایجاد می‌کند که به عنوان برهمکنش‌های دارو و مواد مطرح می‌شوند، که در آن هر یک از تاثیرات جانبی لبه یک نوع متفاوت است. Decagon به طور خاص برای رسیدگی به چنین گراف‌های چند وجهی با تعداد ز

Abstract

Most human diseases are caused by complex biological processes that are resistant to the activity of any single drug (Jia et al., 2009; Han et al., 2017). A promising strategy to combat diseases is polypharmacy, a type of combinatorial therapy that involves a concurrent use of multiple medications, also termed a drug combination (Bansal et al., 2014). A drug combination consists of multiple drugs, each of which has generally been used as a single effective medication in a patient population. Since drugs in a drug combination can modulate the activity of distinct proteins, drug combinations can improve therapeutic efficacy by overcoming the redundancy in underlying biological processes (Sun et al., 2015). For example, a drug combination of Venetoclax and Idasanutlin has recently been shown to lead to superior antileukemic efficacy in the treatment of acute myeloid leukemia (Pan et al., 2017). Here, the two drugs work in reciprocal ways: Venetoclax inhibits antiapoptotic Bcl-2 family pro
امتیاز شما:
(No Ratings Yet)
Back To Top