文献

J-GLOBAL ID：201902211329597040   整理番号：19A1561604

テンソル因子分解を用いた臨床的に有望な治療仮説の予測【JST・京大機械翻訳】

Predicting clinically promising therapeutic hypotheses using tensor factorization

著者 (4件)： Yao Jin (Computational Biology, GSK R&D, Collegeville, USA) ,  Hurle Mark R. (Computational Biology, GSK R&D, Collegeville, USA) ,  Nelson Matthew R. (Genetics, GSK R&D, Collegeville, USA) ,  Agarwal Pankaj (Computational Biology, GSK R&D, Collegeville, USA)
資料名： BMC Bioinformatics (Web)  (BMC Bioinformatics (Web))
巻： 20  号： 1  ページ： 69  発行年： 2019年 
JST資料番号： U7025A  ISSN： 1471-2105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 目的を追求することを決定することは,病気に対する治療的治療の開発における挑戦的でエラーのある最初のステップであり,そこでは,ミスステップは,長時間フレームと高い薬物開発費用を与えられる可能性がある。現在の情報科学技術と機械学習アルゴリズムにより,疾患適応を伴う薬物標的に関連する証拠に基づいて臨床的に有望な薬物標的を予測することにより治療仮説を計算することが可能である。著者らは,目標指示関連に対する証拠の17のソースをカバーし,21,437×2211×17のテンソルとしてデータを表す,オープン目標と追加データベースからこの証拠を収集した。概念実証として,875の標的と574の疾患適応にわたる臨床試験における標的指示対の成功と失敗の例を同定し,6140の既知の臨床転帰の金標準データセットを構築した。著者らは,複数の機械学習モデルの性能を調べるために,3つのベンチマーキング戦略を設計し実行した。ロジスティック回帰,LASSO,ランダムフォレスト,テンソル因数分解,および勾配ブースティング機械である。10倍の交差検証で,テンソル因数分解はAUROC=0.82±0.02とauPRC=0.71±0.03を達成した。複数の検証方式を通して,これは他の方法より同等か良かった。本研究では,治療仮説の臨床転帰を予測する問題に対するテンソル因数分解と呼ばれる機械学習技術をベンチマーク化した。結果は,この方法が種々のベースラインモデルと比較して同等以上の予測性能を達成できることを示した。著者らは,承認された薬物標的の新しい適応に関する試験の結果を予測するための方法の1つの応用を実証する。本研究は,臨床的に試験されておらず,新たな標的適応仮説を提案することができない標的と適応に拡大することができる。提案した生物学的に動機付けられた交差検証法は,予測性能のロバスト性への洞察を提供する。これは,薬物発見におけるこの精液問題に取り組むことを試みるすべての将来の方法に対して有意な意味を有する。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  病気 ,  *テンソル ,  ロバスト性 ,  ヒト ,  ベンチマーク ,  *治療法 ,  学習アルゴリズム ,  因数分解 ,  情報科学 ,  モデル ,  データベース
準シソーラス用語： ブースティング ,  ランダムフォレスト ,  ロジスティック回帰分析 ,  転帰 , 【Automatic Indexing@JST】

著者キーワード (3件)： 薬物標的発見 ,  臨床試験結果 ,  テンソル因子分解

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

引用文献 (53件)：

• Nat Rev Drug Discov; Trial watch: phase II and phase III attrition rates 2011-2012; J Arrowsmith, P Miller; 12; 8; 2013; 569; 10.1038/nrd4090; citation_id=CR1
• Nat Rev Drug Discov; Lessons learned from the fate of AstraZeneca's drug pipeline: a five-dimensional framework; D Cook, D Brown, R Alexander, R March, P Morgan, G Satterthwaite, MN Pangalos; 13; 6; 2014; 419-431; 10.1038/nrd4309; citation_id=CR2
• Nat Rev Neurosci; Thirty years of Alzheimer's disease genetics: the implications of systematic meta-analyses; L Bertram, RE Tanzi; 9; 2008; 768; 10.1038/nrn2494; citation_id=CR3
• Nucleic Acids Res; Open targets: a platform for therapeutic target identification and validation; G Koscielny, P An, D Carvalho-Silva, JA Cham, L Fumis, R Gasparyan, S Hasan, N Karamanis, M Maguire, E Papa; 45; D1; 2016; D985-D994; 10.1093/nar/gkw1055; citation_id=CR4
• SIAM Rev; Tensor decompositions and applications; TG Kolda, BW Bader; 51; 3; 2009; 455-500; 10.1137/07070111X; citation_id=CR5

タイトルに関連する用語 (6件)： テンソル ,  因子分解 ,  臨床 ,  治療 ,  仮説 ,  予測