学术报告
我的位置在: 首页 > 学术报告 > 正文
人工智能助力发现合成致死抗癌药物靶点
浏览次数:日期:2024-11-01编辑:科研办

报 告 人:郑杰,上海科技大学信息科学与技术学院,智能医学信息研究中心联合主任

报告时间:2024年11月7 日 上午10:00  

报告地点:信息科学与工程学院 223会议室


报告摘要: 癌症药物靶点的发现对于癌症精准靶向治疗起到关键作用。合成致死(Synthetic Lethality, SL)是一种通常发生在两个基因之间的遗传相互作用,其定义是对这两个基因的扰动会杀死细胞,但仅对其中一个基因的扰动则不会影响细胞的生存。SL是癌症药物靶点的金矿,因为靶向具有癌症特异性异常基因的SL伙伴基因,可以有选择性地杀死癌细胞而不伤害正常细胞。当前的湿实验筛选方法通常成本高昂,而统计和机器学习方法无法充分利用先验知识或缺乏可解释性。我们开发了一系列使用知识图谱(knowledge graph, KG)、图神经网络以及可解释人工智能(explainable AI, XAI)的深度学习方法来预测SL并理解背后的生物学机制。SynLethDB是我们开发的一个收集了众多SL基因对的综合数据库,包含一个名为SynLethKG的知识图谱。KG4SL是第一个使用KG进行SL预测的方法(ISMB/ECCB 2021)。PiLSL进一步专注于从KGs中学习成对相互作用以预测SL,并具有可解释性(ECCB 2022)。之后,我们提出了KR4SL,它采用基于路径的知识推理来为给定的主要基因排名SL候选伙伴,能够比较清晰地解释SL预测和生物学机制(ISMB/ECCB 2023)。最近,我们对最近几年发表的基于图神经网络的SL预测方法做了系统性的基准测试,总结探讨了这个领域的进展和痛点(Nature Communications 2024)。目前,我们正在结合预训练大型语言模型(例如BERT,GPT)和知识图谱,来增加SL预测的泛化能力和生成自然语言的解释。


报告人简介: 郑杰,上海科技大学信息科学与技术学院,智能医学信息研究中心联合主任


邀请人:卢新国


联系人:卢新国