💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
中国科学院与四川大学华西医院的研究人员开发了PRnet，一种深度生成模型，能够预测新化学扰动对转录的影响。PRnet在药物筛选中表现出色，成功识别出针对小细胞肺癌和结直肠癌的新候选化合物，并推荐了233种疾病的候选药物，为基因治疗筛选提供了有力工具。
🎯
关键要点
- 中国科学院与四川大学华西医院的研究人员开发了PRnet，一种深度生成模型。
- PRnet能够预测新化学扰动对转录的影响，克服了实验筛选的限制。
- PRnet在药物筛选中表现优异，成功识别出针对小细胞肺癌和结直肠癌的新候选化合物。
- PRnet生成了涵盖88种细胞系和52种组织的大规模扰动谱整合图谱。
- 该模型推荐了233种疾病的候选药物，为基因治疗筛选提供了强大工具。
- PRnet基于编码器-解码器架构，能够处理未见过的化合物。
- PRnet经过大量HTS观测的训练，能够有效推广到新的化学扰动。
- 评估表明，PRnet在预测转录反应方面优于其他方法。
- PRnet的灵活性和可扩展性使其成为筛选各种疾病候选药物的宝贵工具。
- PRnet根据基因集的参考变化，为疾病提供稳健的候选推荐工作流程。
➡️
