💡
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。
❓
延伸问答
PRnet是什么？
PRnet是一种深度生成模型，能够预测新化学扰动对转录的影响，旨在帮助药物发现。
PRnet如何帮助药物筛选？
PRnet通过预测转录反应，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。
PRnet的工作原理是什么？
PRnet基于编码器-解码器架构，使用化合物结构和未受干扰的转录谱作为输入，预测转录反应。
PRnet的优势是什么？
PRnet在预测转录反应方面优于其他方法，具有灵活性和可扩展性，适用于各种疾病的候选药物筛选。
PRnet如何处理未见过的化合物？
PRnet使用简化的分子输入线路输入系统(SMILES)化学编码，能够推广到无需先验知识的未见过的化合物。
PRnet在基因治疗筛选中的作用是什么？
PRnet为基因治疗筛选提供了强大且可扩展的候选药物推荐工作流程，能够有效预测转录反应。
➡️
