基于核范数正则化的抗癌药物组合协同作用预测

目的 抗癌药物联合疗法是一种很有前途的治疗策略。针对特定癌症类型，选择高度协同的药物组合，对提高癌症疗效至关重要。然而，确定具有协同作用的药物组合是一项复杂而困难的工作。本研究旨在完全以数据驱动、计算建模的方式优化抗癌药物组合高通量虚拟筛选，为“旧药重新定位新组合”提供理论参考。方法 借鉴矩阵填充思想，构建了基于核范数正则化的计算模型NNRM，用于预测抗癌药物组合的协同得分和协同状态。针对固定细胞系构造对称的协同得分观测矩阵；采用分折技巧将观测矩阵稀疏化；借助“交替方向乘子法”和“软阈值估计”求解模型。结果 将NNRM应用于O’Neil团队发布的数据集，预测的协同得分与观测值之间的均方根误差为14.78，预测的协同状态准确率为0.94，优于随机森林（RF）和支持向量机（SVM），完全可以与深度学习模型相媲美。此外，NNRM预测的部分缺失值结果与已有研究或临床实践相吻合。结论 NNRM可实现大规模、批量预测抗癌药物组合的协同作用，极大地降低了已有模型对数据的要求和计算成本，缩短了高通量虚拟筛选的测试时间，可以作为抗癌药物组合高通量虚拟筛选的可选择工具。     

双序列比对基础和应用实例

首先介绍序列比对的分子生物学基础,即核酸序列基本单元核苷酸和蛋白质序列基本单元氨基酸。文中以精心设计的图表列出四种核苷酸和二十种氨基酸的名称、性质和分类。第2节简述序列比对基础,包括相似性和同源性基本概念、整体比对和局部比对、点阵图方法、动态规划和启发式算法、计分矩阵和空位罚分,以及常用软件和分析平台。第3节介绍核酸序列比对中常用计分矩阵DNAfull,蛋白质序列比对中常用计分矩阵BLOSUM62和PAM250。第4-8节则以血红蛋白、多肽毒素、植物转录因子、癌胚抗原和唾液酸酶为例,介绍双序列比对的具体应用。通过这些实例,说明如何选择分析平台和比对程序、如何设置计分矩阵和空位罚分,如何分析比对结果及其生物学意义。文末进行简要总结。