用神经网络预测基因表达的毒性
摘要：基于基因表达数据，我们训练了一个神经网络来预测化学物质的毒性。网络的输入是在体外培养细胞或在体内活体动物中收集的完整表达谱。输出是一组关于受过处理动物中各种病理效应存在与否的细致预测。在Open TG-GATEs数据库上训练后，该网络表现出良好的结果，优于同样训练于该数据的经典模型。这种方法有望在高效筛选化学物质的毒性效应以及更准确地基于临床前数据评估药物候选物方面发挥作用。
作者：Peter Eastman and Vijay S. Pande
论文ID：1902.00060
分类：Genomics
分类简称：q-bio.GN
提交时间：2019-02-04