ターゲットタンパク質抑制プロファイルを用いた深層学習による乳がんにおける薬剤相乗効果の解釈

乳がんは世界中の女性に最も一般的な悪性腫瘍です。過去数十年にわたる乳がん治療の進展にもかかわらず、薬剤耐性や副作用は依然として課題として残っています。最近の治療の進展は、より良い治療効果を得るために薬剤の組み合わせを使用する方向にシフトしています。しかし、潜在的な小分子がん抑制剤の数が増加する中、実験的試験の前に薬理学的相乗効果を予測するためのインシリコ戦略が、時間的およびコスト的制約を補うために必要です。これまでに、多くの深層学習モデルが高性能で薬剤の組み合わせの相乗効果を予測するために提案されてきました。しかし、これらのモデルは主に薬剤の化学構造フィンガープリンツに大きく依存しており、モデルの解釈が難しいという課題があります。