Research on Cancer Risk and Drug Treatment Efficacy Based on Database Construction and IFPTML Prediction Model

Resumo

No ámbito da investigación sobre o cancro, a construción de bases de datos e modelos predictivos emerxeron como ferramentas importantes nas investigacións sobre o cancro. A marca distintiva do cancro é a proliferación descontrolada de células anormais. Isso exixe investigación sobre os seus intrincados mecanismos de inicio e progresión, guiando intervencións terapéuticas. Abordar estes desafíos implica aproveitar os abundantes datos de varios niveis, incluíndo xenómica, proteómica, documentación clínica e imaxes. Estes datos poden ser recollidos e organizados en bases de datos específicas, revelando relacións biolóxicas, patróns e biomarcadores potenciais. Ao mesmo tempo, co avance dos modelos de aprendizaxe automática, a combinación de diferentes niveis de información biolóxica e xenómica aumenta a capacidade de prever e avaliar con maior precisión o risco e o pronóstico do cancro. Non obstante, mentres existen actualmente algunhas bases de datos sobre o risco de cancro e farmacoxenómica, aínda falta bases de coñecemento para comparar e avaliar modelos de risco de cancro, así como bases de datos para os efectos do tratamento con medicamentos baseados en moléculas multiómicas. Para abordar esta fenda na investigación, o noso grupo estableceu a Base de Coñecemento do Modelo de Predición de Risco de Cancro (CRPMKB) e a Base de Coñecemento sobre a Eficacia do Tratamento do Cancro de Próstata (PCaTEKB). A creación destas dúas bases de datos, accesibles a través de sitios web públicos, facilitou a investigación sobre a prevención do risco de cancro, o tratamento personalizado e os mecanismos do cancro. Tamén fornecen recursos para o desenvolvemento posterior de modelos interpretables. O noso grupo tamén introduciu o algoritmo de Fusión de Información, Teoría de Perturbación e Aprendizaxe Automática (IFPTML), que pode establecer modelos predictivos que integran diferentes tipos de entradas. Polo tanto, o noso grupo desenvolveu o modelo IFPTML baseado en datos da base de datos ChEMBL e PCaTEKB. Este modelo está deseñado para prever os resultados terapéuticos de medicamentos relacionados co cancro de próstata. Posteriormente, despregamos este modelo no sitio web de PCaTEKB. Finalmente, discutimos a evolución dos principios FAIR, a súa incorporación na lexislación, a extensión ao software de investigación e a aplicación práctica nunha base de coñecemento.