答辩公告
我的位置在: 首页 > 答辩公告 > 正文
申聪博士生预答辩公告
浏览次数:日期:2023-02-13编辑:

学位论文简介

药物研发的过程复杂漫长,成本和时间代价逐年增长。如何提高临床试验成功率是新药研发中亟需解决的问题。因此,找出有效的新药发现的方法,减少药物研发的成本,缩短研发时间,已经成为生物医药领域重要的研究课题。本文以化合物以及小分子药物为研究对象,通过预测小分子药物与miRNA之间的潜在关联来提升药物靶点的发现过程。同时研究了激酶抑制剂,即预测化合物和激酶的潜在关联,旨在从激酶的角度出发筛选出有效的化合物,期待能够促进抑制剂成药的进程。本文的主要研究工作如下:

  1. 针对现有的小分子药物和miRNA的关联预测模型无法充分利用小分子药物的化学结构信息和临床信息等问题,提出了一种基于非负矩阵分解的小分子药物与miRNA的关系预测模型。

  2. 现有的关于小分子药物和miRNA的关联预测模型大多只是停留在只包含小分子药物和miRNA两种类型的节点的异构网络上,没有有效的融合更多其他类型的生物实体的信息。因此,本文在提出了一种基于图正则化技术的小分子药物和miRNA的关系预测模型。

  3. 以往的研究表明小分子药物的结构和miRNA的序列中蕴含着生物实体的生化性质,而现有的方法没有充分挖掘这些有价值的信息。因此,本文提出一种多视角联合学习模型。

  4. 针对现有的激酶抑制剂的预测方法存在预测精度不高,无法在网络层面进行全局预测的不足,本文提出了一个基于网络的影响力深度扩散模型来预测潜在的激酶抑制剂。

主要学术成果

  1. Cong Shen, Jiawei Luo, Wenjue Ouyang, Pingjian Ding, Xiangtao Chen. IDDkin: network-based influence deep diffusion model for enhancing prediction of kinase inhibitors. Bioinformatics, 2020. 36(22-23): 5481–5491. (IF=5.61, SCI 2 Top期刊) 第一作者

  2. Cong Shen, Jiawei Luo, Wenjue Ouyang, Pingjian Ding, and Hao Wu. Identification of Small Molecule–miRNA Associations with Graph Regularization Techniques in Heterogeneous Networks, Journal of Chemical Information and Modeling, 2020.60(12): 6709–6721. (IF=4.549, SCI 2) 第一作者

  3. Cong Shen, Jiawei Luo, Zihan Lai, and Pingjian Ding. Multiview Joint Learning-Based Method for Identifying Small-Molecule-Associated MiRNAs by Integrating Pharmacological, Genomics, and Network Knowledge. Journal of Chemical Information and Modeling, 2020.60(8): 4085-4097. (IF=4.549, SCI 2) 第一作者

  4. Jiawei Luo, Cong Shen, Zihan Lai, Jie Cai, and Pingjian Ding. Incorporating Clinical, Chemical and Biological Information for Predicting Small Molecule-microRNA Associations based on Non-negative Matrix Factorization. IEEE-ACM Transactions on Computational Biology and Bioinformatics, 2020. 18(6): 2535-2545 (IF=3.015, SCI 3) 导师一作,本人二作