Dissertação
Cancer drug synergy prediction using multi-modal deep learning models EVALUATED
À medida que o cancro evolui em pacientes, torna-se tendencialmente heterogéneo. A heterogeneidade do cancro representa um obstáculo chave para as terapias de fármacos. Embora o tratamento do cancro por fármacos possa ser inicialmente eficaz, a pressão selectiva resultante pode levar à expansão de células que lhes são resistentes. A resistência aos fármacos pode ser ultrapassada através de abordagens combinatórias que envolvem a administração de vários fármacos, mas a descoberta de novas combinações de fármacos está limitada pela incapacidade de avaliar porções significativas do abismal número de combinações de fármacos possíveis em diversos tipos de cancro. O trabalho apresentado apresenta um modelo de aprendizagem estatística, que tem por objetivo usar dados publicamente disponíveis para prever se uma combinação de fármacos será sinergística, o que poderá ajudar em reduzir o espaço de pesquisa para ensaios clínicos. Ao revisitar fundamentos teóricos de sinergia de fármacos, e ao integrar dados de associações entre fármacos e genes de trabalhos anteriores, conseguimos demonstrar melhorias significativas comparativamente a um modelo prévio de sinergia. As melhorias em relação a esse modelo eram ainda mais acentuadas quando se previu a sinergia em novos pares de fármacos ou novas linhas celulares, o que poderá ter um impacto elevado na redução do espaço de pesquisa de combinações de fármacos. Demonstramos a importância de associações entre fármacos e genes e da resposta individual aos fármacos na previsão da sinergia. Foram analisados os mecanismos subjacentes à sinergia observada e recapitulados alguns resultados da literatura.
novembro 30, 2023, 9:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
ORIENTADOR
Susana de Almeida Mendes Vinga Martins
Departamento de Bioengenharia (DBE)
Professor Associado