DrugCLIP: Contrastive Drug-Disease Interaction For Drug Repurposing

要約

新しい薬を最初のアイデアから市場に出すには、通常 10 年以上の年月と数十億ドルがかかります。
大きな負担を軽減するために、承認された薬を新たな病気の治療に再利用するのは当然の考えだ。
このプロセスは、薬物再利用または薬物再配置としても知られています。
機械学習手法は、薬物再利用の自動化において大きな可能性を示しました。
ただし、ラベルの欠如やマルチモーダルな特徴表現など、依然としていくつかの課題に直面しています。
これらの問題に対処するために、私たちは、ネガティブなラベルを付けずに薬物と病気の相互作用を学習するための最先端の対照学習方法である DrugCLIP を設計しました。
さらに、実際の臨床試験記録に基づいて薬物再利用データセットを厳選しました。
提案されたDrugCLIP法の有効性を検証するために、徹底的な実証研究が行われています。

要約(オリジナル)

Bringing a novel drug from the original idea to market typically requires more than ten years and billions of dollars. To alleviate the heavy burden, a natural idea is to reuse the approved drug to treat new diseases. The process is also known as drug repurposing or drug repositioning. Machine learning methods exhibited huge potential in automating drug repurposing. However, it still encounter some challenges, such as lack of labels and multimodal feature representation. To address these issues, we design DrugCLIP, a cutting-edge contrastive learning method, to learn drug and disease’s interaction without negative labels. Additionally, we have curated a drug repurposing dataset based on real-world clinical trial records. Thorough empirical studies are conducted to validate the effectiveness of the proposed DrugCLIP method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google