한빛사논문
- 조회319
Dongmin Bang 1,2, Sangsoo Lim 3, Sangseon Lee 4 & Sun Kim 1,2,5,6,*
1Interdisciplinary Program in Bioinformatics, Seoul National University, Seoul 08826, Republic of Korea.
2AIGENDRUG Co., Ltd., Seoul 08826, Republic of Korea.
3School of Artificial Intelligence Convergence, Dongguk University, Seoul 04620, Republic of Korea.
4Institute of Computer Technology, Seoul National University, Seoul 08826, Republic of Korea.
5Department of Computer Science and Engineering, Seoul National University, Seoul 08826, Republic of Korea.
6Interdisciplinary Program in Artificial Intelligence, Seoul National University, Seoul 08826, Republic of Korea.
*Corresponding author: correspondence to Sun Kim
Abstract
Computational drug repurposing aims to identify new indications for existing drugs by utilizing high-throughput data, often in the form of biomedical knowledge graphs. However, learning on biomedical knowledge graphs can be challenging due to the dominance of genes and a small number of drug and disease entities, resulting in less effective representations. To overcome this challenge, we propose a “semantic multi-layer guilt-by-association" approach that leverages the principle of guilt-by-association - “similar genes share similar functions", at the drug-gene-disease level. Using this approach, our model DREAMwalk: Drug Repurposing through Exploring Associations using Multi-layer random walk uses our semantic information-guided random walk to generate drug and disease-populated node sequences, allowing for effective mapping of both drugs and diseases in a unified embedding space. Compared to state-of-the-art link prediction models, our approach improves drug-disease association prediction accuracy by up to 16.8%. Moreover, exploration of the embedding space reveals a well-aligned harmony between biological and semantic contexts. We demonstrate the effectiveness of our approach through repurposing case studies for breast carcinoma and Alzheimer’s disease, highlighting the potential of multi-layer guilt-by-association perspective for drug repurposing on biomedical knowledge graphs.
논문정보
- Research article
- 2023년 06월 (BRIC 등록일 2023-06-19)
- 국내 연구진
- 의약학 > 유전 및 유전체의학
관련 웨비나
![사전 지식을 활용한 네트워크 학습 기반 약물 재창출 알고리즘 [Nat. Commun.]](/upload/board/files/onseminar/thumb/thumb_0000597.png)
학술웨비나
사전 지식을 활용한 네트워크 학습 기반 약물 재창출 알고리즘 [Nat. Commun.] 약물 재창출이란 기존의 허가된 약물에 새로운 적응증을 찾아 신약개발 과정의 시간과 비용을 줄이고자 하는 접근법입니다. 특히 COVID-19 팬데믹을 거치며 새로운 질병에 빠르게 치료제를 제안할 수 있는 컴퓨터 기반 접근법들이 대두되며, 컴퓨터 기반 약물 재창출 기술들이 개발되었습니다. 본 연구는 기존에 밝혀진 다양한 생물의학적 개체 간의 관계를 그래프로 표현하고 그래프 학습 알고리즘을 적용하는 ‘네트워크 학습 기반 약물 재창출’ 접근을 활용하여 약물 재창출을 진행하였습니다. 특히 약물과 질병들에 대한 사전 지식을 그래프 학습에 효율적으로 적용할 수 있는 텔레포트-기반 랜덤워크 (teleport-guided randomwalk) 알고리즘을 제안하여 기존 그래프 학습 알고리즘들에 비해 높은 예측 성능을 달성하고, 이를 기반으로 알츠하이머와 유방암에 대한 약물 재창출을 진행하였습니다. 생물학적 네트워크, 약물재창출, 인공지능신약개발- 방동민(서울대학교, AIGENDRUG)
댓글 작성 로그인
팝업 닫기관련 링크
연구자 키워드
관련분야 연구자보기
관련분야 논문보기
해당논문 저자보기
