2021年12月31日，FDA-NCTR生物信息学和生物统计学部的刘智超、童伟达等人在Toxicological Sciences杂志发表文章，提出了一个基于深度生成对抗网络的框架，该框架从现有的动物数据中学习后，就可以根据药物的化学结构，生成多个时间和剂量条件下的体内转录组图谱，而无需额外的动物实验。
论文链接：
Tox-GAN是第一次尝试用生成对抗网络替代动物来探索毒理基因组学的研究。
图1. Tox-GAN的工作流程
（A）Tox-GAN模型开发。首先，四类信息（分子描述符、持续时间、剂量和训练集的高斯噪声）的联合信息作为生成器G的输入，用于生成转录组图谱。第二，用自动编码器从真实的转录组图谱中生成真实的转录组图谱的表征。第三，鉴别器D对生成的转录组图谱和真实的转录组图谱进行区分。这个过程直到鉴别器D不能区分生成的和真实的转录组图谱时才算结束。(B) Tox-GAN模型评估。优化的Tox-GAN模型被用来生成测试集的转录组图谱，并在强度、差异倍数和病理结果水平上进行评价。(C) Tox-GAN模型的应用。开发的Tox-GAN模型被应用于28天重复剂量的毒性研究、毒理学预测（如肝脏坏死预测）和交叉参照。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢