• English
    • Persian
    • English
    • Persian
  • Persian 
    • English
    • Persian
    • English
    • Persian
  • ورود
مشاهده آیتم 
  •   صفحه اصلی مخزن دانش
  • School of Management and Medical Informatics
  • theses
  • مشاهده آیتم
  •   صفحه اصلی مخزن دانش
  • School of Management and Medical Informatics
  • theses
  • مشاهده آیتم
JavaScript is disabled for your browser. Some features of this site may not work without it.

شناسایی محاسباتی سینرژی داروها در درمان سرطان

Thumbnail
نمایش/بازکردن
آنا ترکمن نیا.pdf (1.248Mb)
تاریخ
1401/03/09
نویسنده
ترکمن نیا, آنا
Metadata
نمایش پرونده کامل آیتم
چکیده
چکیده زمینه و هدف: دارودرمانی ترکیبی با اثر هم افزایی/افزودنی یک استراتژی درمانی قدرتمند برای بیماری های پیچیده مانند بدخیمی ها است. شناسایی ترکیبات هم افزایی با ترکیبات و ساختارهای مختلف مستلزم آزمایش تعداد زیادی از ترکیبات ترکیبی است. شناسایی عوامل شیمی درمانی سینرژیک از میان تعداد قابل توجه ترکیبات کاندید بسیار چالش برانگیز است. هدف: این مطالعه مدلی را برای پیش‌بینی ترکیب‌های دارویی هم افزایی با استفاده از شبکه عصبی عمیق بر روی رده‌های سلولی سرطانی و ویژگی‌های ژنومی و فیزیکوشیمیایی پیشنهاد می‌کند. روش‌ها: اساس کار بر روی اطلاعات داروها و اطلاعات ویژگی‌های ژنومی است که در شبکه ویژگی‌ها جمع‌آوری می‌شود. شبکه ویژگی‌ها تعامل بین ویژگی‌ها را تشکیل می‌دهد. سپس بردار ویژگی‌ها بر اساس تعامل بین داروها، خطوط سلولی و ویژگی‌ها استخراج می‌شود. در نهایت، بردارهای ویژگی برای دستیابی به نتایج پیش‌بینی هم افزایی به شبکه عصبی عمیق وارد می‌شوند. نتایج: مدل پیشنهادی با سایر روش‌های یادگیری ماشین مانند ماشین‌های تقویت گرادیان، جنگل‌های تصادفی و ماشین‌های بردار پشتیبان در مجموعه داده‌های هم افزایی در دسترس عموم مقایسه شد. استفاده از مدل برای طبقه بندی ترکیبات دارویی منجر به عملکرد پیش بینی بالای AUC 97/0درصد شد و بهترین عملکرد دقت 17/92 درصد بود. ما تصور می کنیم که مدل پیشنهادی می تواند ابزار ارزشمندی برای انتخاب ترکیبات دارویی هم افزایی جدید باشد. نتیجه‌گیری: در این مطالعه تأثیر ویژگی‌های ساختار شیمیایی دارو و ویژگی‌های فارماکوژنومیک در شناسایی ترکیب‌های هم افزایی دارویی مورد بررسی قرار گرفت. مدل پیش‌بینی ما ممکن است به کاهش فضای جستجو و تسریع در شناسایی ترکیب‌های دارویی هم افزایی مؤثر بالینی کمک کند.
URI
https://dspace.tbzmed.ac.ir:80/xmlui/handle/123456789/66796
Collections
  • theses

مخزن دانش دانشگاه علوم پزشکی تبریز در نرم افزار دی اسپیس، کپی رایت 2018 ©  
تماس با ما | Send Feedback
Theme by 
Atmire NV
 

 

مرور

همه مخزنجامعه ها و مجموعه هابراساس تاریخ انتشارنویسنده هاعنوانهاموضوعاین مجموعهبراساس تاریخ انتشارنویسنده هاعنوانهاموضوع

حساب من

ورودثبت نام

مخزن دانش دانشگاه علوم پزشکی تبریز در نرم افزار دی اسپیس، کپی رایت 2018 ©  
تماس با ما | Send Feedback
Theme by 
Atmire NV