[21] EMUDRA: Ensemble of Multiple Drug Repositioning Approaches to improve prediction accuracy

2018

Motivation

• 복잡한 질병에서 대규모 genomic, epigenetic and proteomic 데이터의 이용으로 새로운 치료 대상을 객관적으로 찾을 수 있음.
• Connectivity Map은 기존 약물의 새로운 표적을 찾는 데 널리 사용되나, 기존 방법의 정확도가 낮음.

Result

• Expression weighted cosine  (EWCos) 방법 도입으로 비정보성 발현 변화의 영향 최소화.
• EWCos와 기존 최신 방법을 통합하는 'Ensemble of Multiple Drug Repositioning Approaches' (EMUDRA) 개발.
• EMUDRA는 시뮬레이션 및 독립 평가 데이터셋에서 개별 약물 재조합 방법보다 우수한 성능을 보임.
• EMUDRA를 사용하여 항생제 rifabutin 이 triple negative breast cancer의 세포 성장 억제제로 실험적으로 확인됨.
• EMUDRA는 질병 gene signature를 더 효과적으로 타겟팅하는 약물을 식별하는 데 유용하며, 새로운 치료법과 기존 약물의 새로운 표적을 예측하는 데 기여할 것으로 기대.

Comments

기존의 업무에서 사용하던 CS대신 Weighted CS(WTCS)를 활용하여 성능을 확인중에 있다. WTCS의 비교 및 검증이 끝나는대로, EMUDRA의 방식도 적용 및 검증해보아야 겠다. Ensemble based 분석이라, 제법 무던한 성능을 보일것 같다.

 

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6138000/

EMUDRA: Ensemble of Multiple Drug Repositioning Approaches to improve prediction accuracy