Combinaison des mesures de similarité entre médicaments et gènes pour l'élucidation des cibles médicamenteuses

Comprendre les médicaments et leurs modes d'action est un défi fondamental en médecine des systèmes. La clé pour relever ce défi est l'élucidation des cibles médicamenteuses, une étape importante dans la recherche de nouveaux médicaments ou de nouvelles cibles pour des médicaments existants. L'intégration de plusieurs sources d'information biologique est essentielle pour améliorer la précision de la prédiction des cibles médicamenteuses. Dans cet article, nous introduisons un nouveau cadre--Inference de cibles médicamenteuses basée sur la similarité (SITAR)--pour incorporer plusieurs mesures de similarité entre médicaments et entre gènes pour la prédiction des cibles médicamenteuses. Le cadre consiste en un nouveau schéma de notation pour les associations médicament-gène basé sur une paire donnée de mesures de similarité entre médicaments et entre gènes, combiné avec un composant de régression logistique qui intègre les scores de multiples mesures pour obtenir le score d'association final. Nous appliquons notre cadre pour prédire des cibles pour des centaines de médicaments en utilisant à la fois des mesures de similarité entre médicaments et entre gènes couramment utilisées et nouvelles, et comparons nos résultats aux méthodes existantes de pointe, les surpassant nettement. Nous utilisons ensuite notre cadre pour faire des prédictions de nouvelles cibles pour des centaines de médicaments ; nous validons ces prédictions via des bases de données curées qui n'ont pas été utilisées lors de la phase d'apprentissage. Notre cadre fournit une plateforme extensible pour incorporer des mesures de similarité émergentes supplémentaires parmi les médicaments et les gènes. Du matériel supplémentaire est disponible sur www.liebertonline.com/cmb.