Computational drug repurposing for inflammatory bowel disease using genetic information
Notice bibliographique
Résumé
As knowledge of the genetics behind inflammatory bowel disease (IBD) has continually improved, there has been a demand for methods that can use this data in a clinically significant way. Genome-wide association analyses for IBD have identified 232 risk genetic loci for the disorder. While identification of these risk loci enriches our understanding of the underlying biology of the disorder, their identification does not serve a clinical purpose. A potential use of this genetic information is to look for potential IBD drugs that target these loci in a procedure known as drug repurposing. The demand for new drug treatments for IBD is high due to the side effects and high costs of current treatments. We hypothesize that IBD genetic variants obtained from GWAS and the candidate genes prioritized from the variants have a causal relationship with IBD drug targets. A computational drug repositioning study was done due to its efficiency and inexpensiveness compared to traditional in vitro or biochemical approaches. Our approach for drug repurposing was multi-layered; it not only focused on the interactions between drugs and risk IBD genes, but also the interactions between drugs and all of the biological pathways the risk genes are involved in. We prioritized IBD candidate genes using identified genetic variants and identified potential drug targets and drugs that can be potentially repositioned or developed for IBD using the identified candidate genes. Our analysis strategy can be applied to repurpose drugs for other complex diseases using their risk genes identified from genetic analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».