生物信息学之抗癌药物反应论文阅读五：L1000+DTI

论文地址：Drug–target interaction prediction with a deep-learning-based model

基于深度学习的药物-靶标相互作用预测

作者信息：

Lingwei Xie1†, Song He2†, Xinyu Song2, Xiaochen Bo2* and Zhongnan Zhang1*

1 厦门大学

2 北京放射医学研究所

文章来源：IEEE国际生物信息学和生物医学会议（BIBM）2017

研究背景：

       药物-靶标相互作用(DTIs)的识别对药物研发具有重要意义。

       目前，在DrugBank、Matador和CTD等数据库中记录了大量的DTIs，但仍有许多DTIs未被发现。并且，数据源和预测算法都会影响DTI预测的性能。

      L1000数据库旨在描述细胞暴露于各种干扰环境 (药物刺激和基因敲除)下的多层次细胞反应的图谱。它包含了数百万个表达谱，这些表达谱来自于20000多个药物干扰的细胞系，或敲除了4000多个基因的细胞系。

小tip:基因敲除是用含有一定已知序列的DNA片段与受体细胞基因组中序列相同或相近的基因发生同源重组,整合至受体细胞基因组中并得到表达的一种外源DNA导入技术。它是针对某个序列已知但功能未知的序列，改变生物的遗传基因，令特定的基因功能丧失作用，从而使部分功能被屏蔽，并可进一步对生物体造成影响，进而推测出该基因的生物学功能。药物干扰的作用是找到药物作用的机制。

研究方法：

数据源：L1000数据库

      提供药物和靶蛋白数据。

     L1000数据库提供了直接测量的978个标志性