A Data-Driven Approach to Predicting Successes and Failures of Clinical Trials.
A Data-Driven Approach to Predicting Successes and Failures of Clinical Trials.
复制标题
DOI：
10.1016/j.chembiol.2016.07.023
复制
发表时间：
2016-10-20
影响因子：
8.6
通讯作者：
Elemento O
中科院分区：
文献类型：
--
作者：
Gayvert KM;Madhukar NS;Elemento O
在过去的十年中，由于临床试验失败而导致的药物消耗率大幅上升。不幸的是，在进行临床试验之前，很难确定具有不利毒性的化合物。受Sabermetrics在预测成功棒球运动员中的有效使用的启发，我们试图使用类似的“moneyball”方法，分析被忽视的特征来预测临床毒性。我们引入了一种新的数据驱动方法（普罗克特），可以直接预测临床试验中毒性的可能性。普罗克特将化合物的靶点及其结构的特性整合在一起，提供了一种新的测量方法，即普罗克特评分。药物靶点网络连接和表达水平，沿着分子量，被确定为不良临床事件的重要指标。总而言之，我们的方法提供了一种数据驱动的广泛适用的策略，以确定可能在临床试验中具有可管理毒性的药物，并将有助于推动毒性较小的治疗药物的设计。
Over the past decade, the rate of drug attrition due to clinical trial failures has risen substantially. Unfortunately it is difficult to identify compounds that have unfavorable toxicity properties before conducting clinical trials. Inspired by the effective use of Sabermetrics in predicting successful baseball players, we sought to use a similar “moneyball” approach that analyzes overlooked features to predict clinical toxicity. We introduce a new data-driven approach (PrOCTOR) that directly predicts the likelihood of toxicity in clinical trials. PrOCTOR integrates properties of a compound’s targets and its structure to provide a new measure, the PrOCTOR score. Drug target network connectivity and expression levels, along with molecular weight, were identified as important indicators of adverse clinical events. Altogether, our method provides a data-driven broadly applicable strategy to identify drugs likely to possess manageable toxicity in clinical trials and will help drive the design of therapeutic agents with less toxicity.
登录
查看更多内容
影响因子：
21.8
作者：
通讯作者：
--
影响因子：
--
作者：
Das J;Yu H
通讯作者：
Yu H
DOI：
10.1093/bioinformatics/btu638
发表时间：
2015-01-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Anders S;Pyl PT;Huber W
通讯作者：
Huber W
影响因子：
158.5
作者：
Nissen, Steven E.;Wolski, Kathy
通讯作者：
Wolski, Kathy
影响因子：
8.6
作者：
Jeliazkova N;Jeliazkov V
通讯作者：
Jeliazkov V