Los c\u00edrculos azules y verdes de esta figura representan prote\u00ednas a las que se dirigen dos f\u00e1rmacos respectivamente. Los c\u00edrculos naranjas representan prote\u00ednas asociadas con l\u00edneas de c\u00e9lulas cancerosas y los puntos negros representan otras prote\u00ednas humanas. Cr\u00e9dito: Jiannan Yang, et al. <\/p>\n
Un equipo de investigaci\u00f3n dirigido por un acad\u00e9mico de la Universidad de la Ciudad de Hong Kong (CityU) ha desarrollado recientemente un nuevo marco de inteligencia artificial (IA) que puede hacer predicciones sin\u00e9rgicas de combinaci\u00f3n de medicamentos contra el c\u00e1ncer tanto en los efectos terap\u00e9uticos como t\u00f3xicos. El estudio revel\u00f3 el potencial de aplicar IA y aprendizaje autom\u00e1tico para descubrir combinaciones efectivas en terapias para el c\u00e1ncer y otras enfermedades complejas. <\/p>\n
El equipo de investigaci\u00f3n estuvo dirigido por el Dr. Zhang Qingpeng, profesor asociado de la Facultad de ciencia de datos de CityU. Los hallazgos han sido publicados en el Journal of the American Medical Informatics Association (JAMIA).<\/p>\n
Aplicaci\u00f3n de IA en terapias contra el c\u00e1ncer<\/p>\n
Para lograr el mejor efecto terap\u00e9utico, com\u00fanmente se usan m\u00faltiples tipos de medicamentos. recetados por m\u00e9dicos para tratar enfermedades complejas como el c\u00e1ncer y el VIH\/SIDA. Sin embargo, el conocimiento de las mejores combinaciones de medicamentos generalmente se basa en la experiencia y los juicios cl\u00ednicos.<\/p>\n
En los \u00faltimos a\u00f1os, la inteligencia artificial y la ciencia de datos se han vuelto cada vez m\u00e1s importantes en el tratamiento del c\u00e1ncer y el descubrimiento de medicamentos debido a la capacidad de procesar datos biol\u00f3gicos y cl\u00ednicos complejos a gran escala. Como su primer intento de usar IA en el descubrimiento de f\u00e1rmacos contra el c\u00e1ncer, el grupo de investigaci\u00f3n del Dr. Zhang, cuyo enfoque de investigaci\u00f3n es la ciencia de datos, desarroll\u00f3 con \u00e9xito \u00abGraph Convolutional Network for Drug Synergy (GraphSynergy)\u00bb. Es un marco de IA novedoso que puede hacer predicciones de combinaci\u00f3n de f\u00e1rmacos de quimioterapia sin\u00e9rgica.<\/p>\n
Al analizar las relaciones entre los m\u00f3dulos de prote\u00ednas a los que se dirigen los f\u00e1rmacos y los m\u00f3dulos de prote\u00ednas asociados con l\u00edneas celulares cancerosas en la interacci\u00f3n prote\u00edna-prote\u00edna humana (PPI) y las interrelaciones entre los m\u00f3dulos de prote\u00ednas, este algoritmo basado en el aprendizaje profundo puede identificar combinaciones de f\u00e1rmacos sin\u00e9rgicos que producen una terapia eficaz con menos toxicidad.<\/p>\n
An\u00e1lisis de la red de interacci\u00f3n prote\u00edna-prote\u00edna humana<\/p>\n
Dra. Zhang explic\u00f3 que el cuerpo humano es un sistema complejo, en el que las prote\u00ednas de las c\u00e9lulas tienen numerosas interacciones y forman una red PPI compleja. Las c\u00e9lulas cancerosas suelen estar asociadas con m\u00faltiples prote\u00ednas, que tienen interrelaciones directas e indirectas entre s\u00ed y con otras prote\u00ednas en la red PPI. \u00abC\u00f3mo mezclar y combinar m\u00faltiples medicamentos para tratar el c\u00e1ncer es, por lo tanto, muy desafiante, considerando la complejidad de la red PPI. Por lo tanto, usamos IA para analizar las prote\u00ednas a las que se dirigen los medicamentos y las c\u00e9lulas cancerosas, as\u00ed como las interrelaciones entre los prote\u00ednas, para ayudar a predecir con precisi\u00f3n las combinaciones sin\u00e9rgicas de medicamentos contra el c\u00e1ncer\u00bb, dijo el Dr. Zhang.<\/p>\n
\u00c9l enfatiz\u00f3 que las predicciones se hacen al examinar no solo las prote\u00ednas directamente dirigidas por los medicamentos y las c\u00e9lulas cancerosas, sino tambi\u00e9n las relaciones entre las prote\u00ednas, lo que produce un rendimiento superior en la identificaci\u00f3n de la mejor combinaci\u00f3n sin\u00e9rgica de f\u00e1rmacos contra el c\u00e1ncer de baja toxicidad.<\/p>\n
GraphSynergy puede identificar las prote\u00ednas fundamentales, lo que beneficia el desarrollo de f\u00e1rmacos contra el c\u00e1ncer. Los puntos con n\u00fameros en la figura representan l\u00edneas de c\u00e9lulas cancerosas, mientras que los puntos sin n\u00fameros representan medicamentos contra el c\u00e1ncer. Esta figura muestra las relaciones entre las prote\u00ednas y tambi\u00e9n las interrelaciones entre prote\u00ednas, f\u00e1rmacos y l\u00edneas de c\u00e9lulas cancerosas. Cr\u00e9dito: Jiannan Yang, et al. <\/p>\n
El equipo de investigaci\u00f3n compar\u00f3 el rendimiento de predicci\u00f3n de GraphSynergy con los modelos de predicci\u00f3n convencionales y los \u00faltimos algoritmos de predicci\u00f3n de combinaciones de f\u00e1rmacos como \u00abDeepSynergy\u00bb. Descubrieron que el rendimiento de predicci\u00f3n de GraphSynergy es mejor para identificar combinaciones de f\u00e1rmacos sin\u00e9rgicos de baja toxicidad.<\/p>\n
Para verificar las predicciones realizadas por GraphSynergy, el equipo seleccion\u00f3 combinaciones de f\u00e1rmacos sin\u00e9rgicos verificados cl\u00ednicamente para ejecutar el algoritmo. Y GraphSynergy predijo que dicha combinaci\u00f3n tambi\u00e9n es sin\u00e9rgica.<\/p>\n
De acuerdo con el conjunto de datos p\u00fablicos que obtuvo el equipo, el efecto terap\u00e9utico de una de las combinaciones de medicamentos no se considera tan significativo. Sin embargo, GraphSynergy lo predijo como farmacol\u00f3gicamente efectivo. El equipo investig\u00f3 m\u00e1s a fondo esa combinaci\u00f3n de f\u00e1rmacos mediante la revisi\u00f3n de la literatura. Result\u00f3 que su efectividad se verific\u00f3 recientemente en un estudio de ensayo cl\u00ednico. El Dr. Zhang cre\u00eda que esto ilustraba la capacidad de pron\u00f3stico y predicci\u00f3n de los algoritmos de IA.<\/p>\n
Dr. Zhang agreg\u00f3 que GraphSynergy podr\u00eda identificar las prote\u00ednas fundamentales que desempe\u00f1an un papel en la eficacia de los medicamentos contra el c\u00e1ncer. Tal informaci\u00f3n ayuda a los profesionales de la salud a comprender las predicciones y brindar orientaci\u00f3n en el desarrollo futuro de f\u00e1rmacos.<\/p>\n
Co-incubado por HK Tech 300 y HKSTP<\/p>\n
\u00abNuestro marco de IA tiene el potencial de optimizar el c\u00e1ncer tratamiento a bajo costo. Esperamos que pueda proporcionar fundamentos para que m\u00e9dicos y pacientes tomen decisiones m\u00e9dicas. Nuestro siguiente paso ser\u00e1 aplicar el marco en el desarrollo de f\u00e1rmacos para el c\u00e1ncer y otras enfermedades\u00bb, concluy\u00f3 el Dr. Zhang.<\/p>\n
Para explorar la traducci\u00f3n de su investigaci\u00f3n en una aplicaci\u00f3n real, los miembros principales del equipo de investigaci\u00f3n han establecido \u00abCOMPASS Health Technology\u00bb, que es uno de los equipos de puesta en marcha co-incubados por HK Tech 300, la innovaci\u00f3n y el esp\u00edritu empresarial insignia de CityU. programa, y Hong Kong Science and Technology Parks Corporation (HKSTP). <\/p>\n
Explore m\u00e1s<\/p>\n
El aprendizaje profundo ayuda a predecir nuevas combinaciones de medicamentos para combatir el COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Jiannan Yang et al, GraphSynergy: un modelo de aprendizaje profundo inspirado en la red para la predicci\u00f3n de combinaciones de medicamentos contra el c\u00e1ncer , Revista de la Asociaci\u00f3n Estadounidense de Inform\u00e1tica M\u00e9dica (2021). DOI: 10.1093\/jamia\/ocab162 Informaci\u00f3n de la revista:<\/strong> Journal of the American Medical Informatics Association <\/p>\n Proporcionado por City University of Hong Kong Cita<\/strong>: Uso de IA para predecir con precisi\u00f3n combinaciones de medicamentos contra el c\u00e1ncer (2021, 1 de diciembre) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-12-ai-accurately-synergistic-cancer-drug.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Los c\u00edrculos azules y verdes de esta figura representan prote\u00ednas a las que se dirigen dos f\u00e1rmacos respectivamente. Los c\u00edrculos naranjas representan prote\u00ednas asociadas con l\u00edneas de c\u00e9lulas cancerosas y los puntos negros representan otras prote\u00ednas humanas. Cr\u00e9dito: Jiannan Yang, et al. Un equipo de investigaci\u00f3n dirigido por un acad\u00e9mico de la Universidad de la … Continuar leyendo \u00abUso de IA para predecir con precisi\u00f3n combinaciones sin\u00e9rgicas de f\u00e1rmacos contra el c\u00e1ncer\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-5553","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5553","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=5553"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5553\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=5553"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=5553"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=5553"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}