Realizing private and practical pharmacological collaboration.
Realizing private and practical pharmacological collaboration.
复制标题
DOI：
10.1126/science.aat4807
复制
发表时间：
2018-10-19
期刊：
影响因子：
--
通讯作者：
Berger B
中科院分区：
文献类型：
--
作者：
Hie B;Cho H;Berger B
虽然将来自多个实体的数据结合起来可以推动拯救生命的突破，但由于数据隐私和知识产权问题，药理学数据的开放共享通常不可行。为此，我们利用现代加密工具引入一种计算协议，用于在汇集的数据集上安全地训练药物-靶标相互作用（DTI）的预测模型，该数据集通过可证明地确保所有潜在药物、靶标和观察到的相互作用的机密性来克服数据共享的障碍。我们的协议在几天内运行在超过一百万个交互的真实的数据集上，并且比最先进的DTI预测方法更准确。使用我们的协议，我们发现新的DTI，我们通过靶向检测实验验证。我们的工作为更有效和合作的生物医学研究奠定了基础。计算协议通过安全地组合私人药理学数据来实现协作药物发现。
While combining data from multiple entities could power life-saving breakthroughs, open sharing of pharmacological data is generally not viable due to data privacy and intellectual property concerns. To this end, we leverage modern cryptographic tools to introduce a computational protocol for securely training a predictive model of drug-target interactions (DTI) on a pooled dataset that overcomes barriers to data sharing by provably ensuring the confidentiality of all underlying drugs, targets, and observed interactions. Our protocol runs within days on a real dataset of more than a million interactions, and is more accurate than state-of-the-art DTI prediction methods. Using our protocol, we discover novel DTI that we experimentally validated via targeted assays. Our work lays a foundation for more effective and cooperative biomedical research. A computational protocol enables collaborative drug discovery by securely combining private pharmacological data.
登录
查看更多内容
影响因子：
5.6
作者：
Cobanoglu MC;Liu C;Hu F;Oltvai ZN;Bahar I
通讯作者：
Bahar I
影响因子：
5.8
作者：
Wang, Wenhui;Yang, Sen;Li, Jing
通讯作者：
Li, Jing
影响因子：
5.8
作者：
Mei, Jian-Ping;Kwoh, Chee-Keong;Zheng, Jie
通讯作者：
Zheng, Jie
影响因子：
9.3
作者：
Simmons, Sean;Sahinalp, Cenk;Berger, Bonnie
通讯作者：
Berger, Bonnie
影响因子：
14.9
作者：
Szklarczyk D;Santos A;von Mering C;Jensen LJ;Bork P;Kuhn M
通讯作者：
Kuhn M