CN116490124A - 一种利用现有药物疗法特性开发替代药物疗法以产生相似通路行为的系统和方法 - Google Patents
一种利用现有药物疗法特性开发替代药物疗法以产生相似通路行为的系统和方法 Download PDFInfo
- Publication number
- CN116490124A CN116490124A CN202180055631.1A CN202180055631A CN116490124A CN 116490124 A CN116490124 A CN 116490124A CN 202180055631 A CN202180055631 A CN 202180055631A CN 116490124 A CN116490124 A CN 116490124A
- Authority
- CN
- China
- Prior art keywords
- new
- existing
- treatment
- intervention
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002651 drug therapy Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000037361 pathway Effects 0.000 title description 13
- 230000001225 therapeutic effect Effects 0.000 claims abstract description 96
- 238000013178 mathematical model Methods 0.000 claims abstract description 54
- 239000003814 drug Substances 0.000 claims abstract description 28
- 239000002547 new drug Substances 0.000 claims abstract description 26
- 229940079593 drug Drugs 0.000 claims abstract description 25
- 230000002123 temporal effect Effects 0.000 claims abstract description 25
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 6
- 239000000126 substance Substances 0.000 claims description 88
- 230000006870 function Effects 0.000 claims description 66
- 102000004169 proteins and genes Human genes 0.000 claims description 18
- 108090000623 proteins and genes Proteins 0.000 claims description 18
- 238000002560 therapeutic procedure Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 238000002203 pretreatment Methods 0.000 description 24
- 150000001875 compounds Chemical class 0.000 description 14
- 230000006399 behavior Effects 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 10
- 244000052769 pathogen Species 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 238000009509 drug development Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 201000004050 brachyolmia-amelogenesis imperfecta syndrome Diseases 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000009510 drug design Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004797 therapeutic response Effects 0.000 description 6
- 230000001717 pathogenic effect Effects 0.000 description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000001050 pharmacotherapy Methods 0.000 description 3
- 229940124597 therapeutic agent Drugs 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000003915 cell function Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 229940000406 drug candidate Drugs 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000013626 chemical specie Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001094 effect on targets Effects 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 229940124606 potential therapeutic agent Drugs 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 241001529453 unidentified herpesvirus Species 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Chemical & Material Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pharmacology & Pharmacy (AREA)
- Crystallography & Structural Chemistry (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Toxicology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
Abstract
一种利用现有药物疗法的特性开发新药物疗法的方法，所述的方法包括步骤：开发目标生物网络的新治疗数学模型和基于所述的新治疗数学模型合成药物疗法。所述的新治疗数学模型能够产生新治疗时程进展，其包括在目标生物网络的现有治疗数学模型的现有治疗时程进展中发现的时程进展特征。所述的时程进展特征可以与所述的目标生物网络的结果相关。每个新的治疗干预常数都可以合成一个药物方案，这些药物方案共同构成新的药物疗法。
Description
背景技术
本发明涉及一种利用现有药物疗法特性开发替代药物疗法以产生相似通路行为的系统和方法。
如今，药物疗法被用于治疗病原体和疾病。药物疗法通过沿着病原体的特定通路进行攻击来发挥作用。一般来说，通路是相互作用的因果链，导致病原体正常功能的改变，所述的改变由与病原体的可靶向生物元素发生化学相互作用的药物疗法引发。
虽然存在许多药物疗法，但正在进行更多的探索以寻找新的药物疗法，以对抗尚无药物疗法的病原体或取代目前不足的药物疗法。由于多种原因，药物疗法可能不足。
首先，一些药物疗法不能治愈疾病，而只能降低患病率或症状。这类药物疗法的实例包括用于对抗HIV和疱疹病毒的疗法。在这两种情况下，虽然药物疗法可以减少人体内的病毒载量，但没有一种药物疗法可以完全消除病毒。
第二，一些药物疗法有从轻微到严重的副作用，在一些情况下可能致命。药物疗法靶向的生物元素导致靶向元素的途径行为发生改变，因此，由于连锁反应，药物疗法靶向的生物元素与其他生物元素相互作用。然而，这些改变的通路行为会对生物网络产生显著的负面影响。此外，治疗分子可以与网络中已知或未知的非目标元素相互作用，这也可以在如上所述的目标网络中产生负面的整体通路行为。
第三，随着时间的推移，药物疗法往往容易受到不断进化的病原体的抵抗。具体而言，如果治疗剂靶向细菌、病毒、寄生虫甚至癌细胞等病原体，治疗剂可能会由于目标群体的进化而失去疗效。当一组目标生物或细胞的一个子集由于该子集的特定特性而在暴露中幸存下来，然后将这种抵抗特性传递给下一代时，就会产生抗性。
第四，一些药物疗法的制造成本可能很高。药物合成是一个多步骤的过程，一个步骤会对制造药物的成本产生相当大的影响。例如，在2011年，制备仅50克4-苯基-1需要花费260美元。
合理的计算机辅助新药开发的一个共同策略是首先确定生物元素之间的新相互作用，或者可能对细胞功能至关重要的全新生物元素。然后在分子水平上对非常有前途的生物元素进行结构表征，以及它们与潜在治疗剂的相互作用。目的是针对一种特定的生物元素，这种元素很有可能以所需的方式显著改变目标细胞的功能。
然而，这些方法带来了显著的问题。发现新的生物元素或已知元素内的相互作用是极其耗时和资源密集的，或者充满了相互作用结果的误报。在最初的实验室测试中发现对细胞功能至关重要的相互作用或生物元素也无法回答一个核心问题：目标生物元素的破坏是否会通过连锁反应机制对整个生物体产生预期的影响？
因此，拥有一种使用现有药物疗法的特征来设计靶向病原体途径的新型药物疗法以产生相似的途径行为的系统和方法是有利的。
发明内容
一种为新药物疗法寻找一组参数的方法，以使新药物疗法产生与现有药物疗法相似的结果。在第一步中，所述的方法可以包括：如果数学模型具有任何与现有药物疗法相关的干预函数，在数学模型内用与所述数学模型相关的无治疗节点函数替换任何与现有药物疗法相关的干预函数。在下一步中，所述的方法可以包括：为多个参数中的每一个参数选择范围。然后，所述的方法可以包括：为多个排列中的每个排列产生新治疗数学模型的时程进展，每一次使用所述排列产生所述时程进展。然后，所述的方法可以包括：针对每个排列确定其时程进展是否包括存在于与所述现有药物治疗相关的现有治疗时程进展中的时程进展特征，所述的时程进展特征与所述的现有药物疗法的结果相关。然后，所述的方法可以包括：对于包含所述时程进展特征的至少一个排列，合成具有与该排列的动力学参数基本匹配的动力学特性的物质，以产生新的药物疗法。
一种利用现有药物疗法的特性开发新药物疗法的方法，所述的方法包括步骤：开发目标生物网络的一种新治疗数学模型和基于所述的新治疗数学模型合成一种药物疗法。所述的新治疗数学模型能够产生新治疗时程进展，包括在所述目标生物网络的现有治疗数学模型的现有治疗时程进展中发现的时程进展特征。所述的时程进展特征与所述的目标生物网络的结果相关。所述的新治疗数学模型可以包括：对一组新治疗干预节点中的每个新治疗干预节点进行建模一个新治疗干预函数，和对所述的新治疗数学模型的所有其他节点建模的第一组无治疗节点速度函数。每个新治疗干预函数可以包括来自一组新治疗干预常数的一个或多个新治疗干预常数。所述的现有治疗数学模型可以包括：对一组现有治疗干预节点中的每个现有治疗干预节点建模的现有治疗干预方程，以及对所述现有治疗数学模型的所有其他节点建模的无治疗速度方程。每个所述的现有治疗干预方程可以包括来自一组现有治疗干预常数的现有治疗干预常数。所述的一组新治疗节点可以与所述的一组现有治疗节点不同。进一步地，所述一组新治疗节点可以包括至少一个不在所述一组现有治疗节点中的节点。进一步地，所述一组现有治疗节点可以包括至少一个不在所述一组新治疗节点中的节点。可以为每个所述新治疗干预常数合成一个药物方案，所述的药物方案可以共同构成一个新的药物疗法。
附图说明
图1显示了与生物网络相互作用的药物疗法。
图2显示了生物网络的示例性反应模型。
图3显示了生物网络的时程进展，特别是实际的时程进展。
图4显示了生物网络的一个数学模型，特别是治疗前数学模型。
图5显示了一个治疗前时程进展。
图6显示了一个现有治疗反应模型。
图7显示了一个现有治疗反应模型。
图8显示了一个现有治疗数学模型。
图9显示了第一组现有治疗干预函数。
图10显示了一组现有治疗干预常数。
图11显示了一组现有的治疗干预浓度。
图12显示了未经治疗的节点速度。
图13显示了现有治疗的时程进展。
图14显示了新治疗反应模型。
图15显示了新治疗数学模型。
图16显示了第二组新治疗干预函数。
图17显示了一组新治疗干预常数。
图18显示了一组新治疗干预浓度。
图19显示了第二组未经治疗节点速度函数。
图20显示了新治疗的时程进展。
具体实施方式
本文描述的是用于开发替代药物疗法的系统和方法，其使用现有药物疗法的特征来产生相似的途径行为。下文的描述是为了使本领域的任何技术人员能够制造和使用本发明，并且在下面讨论的特定示例的上下文中提供，其变体对于本领域技术人员来说将是显而易见的。为清楚起见，本规范并未描述实际执行的所有特征。可以理解，在任何此类实际执行的开发中(如在任何开发项目中)，必须做出设计决策以实现设计者的特定目标(例如，遵守系统和业务相关的约束)，并且这些目标将因执行而异。还应当理解，这样的开发工作可能是复杂且耗时的，但是对于受益于本发明的适当领域的普通技术人员来说仍然是例行工作。因此，本文所公开的实施例并非旨在限制所附权利要求，所附权利要求是符合与本文所公开的原理和特征一致的最宽范围。
图1显示了与生物网络102相互作用的药物治疗101。在本公开的上下文中，生物网络102可以是目标生物网络(TBN)102a或非目标生物网络(非-TBN)102b。TBN102a可以包括但不限于全部或部分病原体或疾病。TBN 102a可以是多细胞的、单细胞的，甚至是RNA或DNA的。TBN 102a类别的实例可以包括寄生动物、细菌、病毒或真菌。具体实例包括大肠杆菌、COVID-19或癌症。出于本发明的目的，非TBN 102b是宿主或与宿主具有互惠关系的生物体内的生物网络102。
本发明描述了用于开发一种或多种扰乱TBN 101a的药物疗法101的系统和方法。药物疗法101是除食物之外的任何一种或多种药物方案103，其用于预防、诊断、治疗或减轻疾病或异常状况的症状。此外，为了本发明的目的，药物方案103可以由物质104定义。就本发明而言，物质104是一种具有统一属性的特殊物质。此外，药物方案103可由剂量105和时间表106定义。在一个实施方式中，时间表106可以由周期和/或持续时间定义(例如，每8小时一次，持续3天)。在药物方案103的一些实施方式中，剂量105可随时间表106而变化，例如随时间增加或减少。出于本发明的目的，剂量105可以用绝对量、意在通过其他患者特异性信息(例如体重、年龄、成熟度等)缩放的量、预期浓度或本领域已知的描述剂量的任何其他方法来描述。
生物网络102包括节点107。出于本公开的目的，节点107是生物网络102的若干方面，药物治疗101可以潜在地干预生物网络102内的这些方面，例如通过加速、减速、防止或启动化学相互转化。此外，出于本发明的目的，TBN 102a的节点107是目标节点107a，非TBN102b的节点107是非目标节点107b。
图2显示了示例性反应模型200，特别是生物网络102的治疗前反应模型200a。出于本发明的目的，治疗前模型200a是当生物模型102未接受药物疗法101的治疗时生物网络102的反应模型。如图2所示，反应模型200表示节点107的网络，每个节点是生物网络102中化学物质201的化学相互转化。这种化学相互转化通常由蛋白质202促进。蛋白质202可以而且经常是一种酶。此外，化学物质201可以是非酶蛋白202。如图所示，反应模型200表示包括七个节点107的生物网络102，如下所示：
a.节点1：在蛋白质1的促进下，化学物质A转化为化学物质B。
b.节点2、3：在蛋白质2和蛋白质3的促进下，化学物质B转化为化学物质C。
c.节点4：在蛋白质4的促进下，化学物质C转化为化学物质D。
d.节点5：在蛋白质5的促进下，化学物质C转化为化学物质D。
e.节点6：在蛋白质6的促进下，化学物质B转化为化学物质A。
f.节点7：在蛋白质7的促进下，化学物质D和F一起转化为化学物质A。
g.节点XE：化学物质E在没有模型化蛋白质的情况下转化为化学物质F。
本领域的普通技术人员将认识到，并非生物网络102内发生的所有化学物质相互转化都需要在反应模型200中表示。例如，在过程1中，A+Z1→B实际上可能是A+x1+Z1→B+y1，其中x1是过程1的一组非模型化反应物，y1是过程1的一组非模型化产物。
图3显示了生物网络102的时程进展300，具体地是实际时程进展300z。出于本发明的目的，实际时程进展300z是化学物质201的实验测量浓度的时程进展。
图4显示了生物网络102的数学模型400，特别是治疗前数学模型400a。出于本发明的目的，数学模型400与反应模型200相关并且包括若干方程式401，方程式401以足够的精度共同描述生物网络102的行为，以便能够准确地预测与反应模型200相关的生物网络102的行为。此外，出于本公开的目的，治疗前数学模型400a与治疗前反应模型200a相关并且包括若干方程式401，方程式401共同描述生物网络102在未接受任何药物疗法101的治疗时的行为。在一个实施方式中，方程式401可以包括浓度变化方程式401a，每个方程式401a描述反应模型200内特定化学物质201的浓度变化率。例如，与化学品A有关的浓度变化方程301a如下：dA/dt＝V6(B,V6max,kB6)+V7(D,F,V7max,kD7,kF7)–V1(V1max,A,kA1)。
浓度变化方程401a可以包括描述节点107的行为的节点速度函数Vn()402并且在图4中表示为各种变量的函数。例如，变量A到F各自代表反应模型201中相应化学物质201A-F的浓度403。Vn max表示蛋白质202可以将反应物转化为产物的最大节点速度404。节点速度函数402各自可用于确定节点速度，并且节点速度可用于计算化学物质201浓度的变化。本领域的普通技术人员将认识到节点速度可以用米氏(Michaelis-Menten)方程建模。例如，节点速度V1可以用方程V1＝(V1max*A)/(kA1+A)建模。在这一方程中，kA1是特定于化学物质A和蛋白质1的速度常数405。本领域的普通技术人员将认识到V1max和kA1都可以通过实验确定。也可以估计这些值。此外，蛋白质202可以对多种化学物质进行操作或输出多种化学物质，从而导致更复杂的方程式。同样地，一些节点可能需要多种蛋白质，这也会导致更复杂的方程式。
图5显示了一组治疗前节点速度函数500，用于未进行治疗的生物网络102的治疗前数学模型400a模型，每个节点速度函数是一个治疗前速度函数501。出于本发明的目的，治疗前速度函数501是节点速度函数，其在节点107未被药物方案103干预时对节点107建模。
图6显示了治疗前时程进展300a。治疗前数学模型300a的一个目的是生成治疗前时程进展300a。出于本公开的目的，治疗前时程进展是治疗前数学模型300a的时程进展，并且旨在以足够准确度模拟实际时程进展300z。
时程进展300包括化学物质201在测量的或建模的生物网络102内的化学浓度水平作为时间的函数。在药物治疗101的任何治疗之前，治疗前时程进展300a将生物网络102内化学物质201的化学浓度水平建模为时间的函数。在没有治疗的情况下，化学物质201的浓度可能会随周期变化，但通常在生物网络102的生命周期内的持续时间内保持在可预测的、受限的水平内。这并不是指浓度将在整个生命周期内保持受限，而是指在一段时间内，浓度将保持受限，并且从一个时期到下一个时期的变化仍然基本上是可预测的。治疗前时程进展400a的一个重要功能是它可以建立生物网络102的基线动态。
图7显示了现有治疗反应模型200b。出于本发明的目的，现有治疗反应模型200b是模拟现有药物疗法如何与生物网络102相互作用的反应模型。现有治疗反应模型200b包括至少一个现有治疗干预节点107a。现有治疗干预节点107a被药物方案103干预。未被干预的剩余节点107被建模为具有治疗前速度函数501的未处理节点107b。应当注意，现有药物疗法101不仅限于已经进入市场的药物疗法101，而是包括先前被考虑用于生物网络102并导致结果的任何药物疗法。在目标生物网络102a的情况下，结果的实例包括但不限于：导致目标生物网络102a死亡；使目标生物网络102a无法复制；或实质上破坏目标生物网络102a，使得诸如免疫系统的其他条件或力量可以杀死目标生物网络102a。在非目标生物网络102b的情况下，结果的示例可以包括：加强非目标生物网络102b；或使非目标生物网络102b对某些条件具有抵抗力或免疫力。
图8显示了现有治疗数学模型400b。在现有治疗数学模型400b中，对干预节点107a的现有治疗建模的每个节点速度函数402可以是干预函数402a。干预函数的类型分为两大类：抑制函数或加速函数。抑制函数建模了现有治疗干预节点107a处化学相互转化的减慢或基本停止。相反，加速函数建模了现有治疗干预节点107a处的化学相互转化的开始或加速。
图9显示了第一组现有治疗干预函数900。如图9所示，第一组900可以是一组一个或多个现有治疗干预函数。
图10显示了一组现有治疗干预常数1000。每个干预函数402a可以具有与现有治疗数学模型400b相关的现有药物疗法101的一种药物方案103相关的一个或多个干预常数1001。一个干预常数是1001，表示相关药物方案103在节点107对节点速度影响的数。
图11显示了一组现有治疗干预浓度1100。每个干预函数402a可以包括浓度常数1102，其模拟现有药物疗法101的一种药物方案103的浓度。现有治疗干预浓度的组1100包括这些浓度常数1102。
图12显示了第一组未经治疗节点速度函数1200。在现有治疗数学模型400b中，未经治疗节点107b通过治疗前速度函数501建模。第一组未经治疗节点速度函数1200包括这些治疗前速度函数501中的每一个。
图13显示了现有治疗时程进展300b。现有时程进展300b可以包括如上所述预测结果的时程进展特征1301。时程进展特征1301可以包括一个或多个属性。在一个实施方式中，时程进展特征1301可以是第一化学物质201的第一化学物质浓度403a达到阈值1302。在另一个实施方式中，时程进展特征1301可以包括事件顺序。例如，事件顺序可以被至少部分地定义为在第一化学物质201a具有达到或超过第一阈值1302a的第一化学物质浓度403a之后，第二化学物质201b具有达到或超过第而阈值1302b的第二化学物质浓度403b。在另一实例中，事件顺序被至少部分地定义为在第一化学物质201a具有达到或超过第一阈值的第一化学物质浓度403a之后，所述的第一化学物质浓度达到或超过第二阈值1302b。在另一实施方式中，时程进展特征1301可以包括第一化学物质201a的第一化学物质浓度403a达到或超过第一阈值，而第二化学物质201的第二化学物质浓度403b达到或超过第二阈值1302b。在另一实施方式中，所述的时程进展特征可以包括一组化学品1303中的化学品201的化学品浓度403进入一个范围，使得化学浓度一起不偏离(等于或大于)针对每种化学物质201的一组目标浓度1304的偏差阈值。在这样的实施方式中，化学浓度组1303和目标浓度组1304之间的偏差可以使用均方根计算来确定。
在一个实施方式中，可以找到新药物疗法的一组参数，使得新药物疗法产生类似于现有药物疗法的结果。在第一步中，所述的方法可以包括：如果数学模型具有任何这样的干预函数，在数学模型内用与数学模型相关的未治疗节点函数替换与现有药物疗法相关的任何干预函数。在下一步骤中，所述的方法可以包括为多个参数中的每一个参数选择参数范围。然后，所述的方法可以包括，针对多个排列中的每个排列产生新治疗数学模型的时程进展，每一次使用所述排列产生所述时程进展。然后，所述的方法可以包括：针对每个排列确定其时程进展是否包括存在于与所述现有药物治疗相关的现有治疗时程进展中的时程进展特征，所述的时程进展特征与所述的现有的药物疗法的结果相关。然后，所述的方法可以包括：对于包含所述时程进展特征的至少一个排列，合成具有与该排列的动力学参数基本匹配的动力学特性的物质，以产生新的药物疗法。
在一个实施方式中，参数范围包括可以被干预的一组节点的指定。在另一实施方式中，参数范围可以包括干预方式，例如通过加速或减慢节点内的化学干预。在这一实施方式中，所述的参数范围包括多个供考虑的干预方程。在另一实施方式中，参数范围可以包括一个或多个干预方程的一个或多个干预常数的范围。在另一实施方式中，参数范围可以包括可接受干预浓度的范围。在另一实施方式中，参数范围可以包括空间考虑。
图14显示了一个新治疗反应模型200c。出于本发明的目的，新治疗反应模型200c是模拟新药物治疗如何与生物网络102相互作用的反应模型。新治疗反应模型200c包括至少一个新治疗干预节点107a。新治疗干预节点107a被新药物疗法101的药物方案103干预。未经干预的剩余节点107被建模为具有预治疗速度函数501的未经治疗节点107b。
图15显示了新治疗数学模型400c。在新治疗数学模型400c中，对干预节点107a的新治疗建模的每个节点速度函数402可以是干预函数402a。干预函数的类型分为两大类：抑制函数或加速函数。抑制函数建模了现有处理干预节点107a处化学相互转化的减慢或基本停止。相反，加速函数建模了现有处理干预节点107a处的化学相互转化的开始或加速。
图16显示了第二组新治疗干预函数1600。如图16所示，第二组1600可以是一组一个或多个新治疗干预函数。
图17显示了一组新治疗干预常数1700。每个干预函数402a可以具有与新治疗数学模型400c相关的新药物疗法101的一种药物方案103相关的一个或多个干预常数1001。干预常数1001表示相关药物方案103在节点107上对节点速度影响的数。
图18显示了一组新治疗干预浓度1800。每个干预函数402a可以包括浓度常数1102，其模拟新药物疗法101的一种药物方案103的浓度。现有治疗干预浓度组1800包括这些浓度常数1102。
图19显示了第二组未经治疗节点速度函数1900。在新治疗数学模型400b中，未经治疗节点107b通过治疗前速度函数501建模。第一组未经治疗节点速度函数1900包括这些治疗前速度函数501中的每一个。
图20显示了新治疗时程进展300c。新的时程进展300c可以包括时程进展特征1301，其预测现有治疗时程进展300b，并且是常见的、与其相关的或以其他方式存在于治疗时程进展300b中的。
一种利用现有药物疗法的特点开发新药物疗法的方法，所述的方法包括步骤：开发目标生物网络的一种新治疗数学模型和基于所述的新治疗数学模型合成药物疗法。所述的新治疗数学模型能够产生新治疗时程进展，包括在所述目标生物网络的现有治疗数学模型的现有治疗时程进展中发现的时程进展特征。所述的时程进展特征与所述的目标生物网络的结果相关。所述的新治疗数学模型包括：对一组新治疗干预节点中的每个新治疗干预节点进行建模一个新治疗干预函数，以及对所述的新治疗数学模型的所有其他节点建模第一组无治疗节点速度函数。每个新治疗干预函数包括来自一组新治疗干预常数的一个或多个新治疗干预常数。所述的现有治疗数学模型可以包括：对一组现有治疗干预节点中的每个现有治疗干预节点建模的现有治疗干预方程，以及对所述现有治疗数学模型的所有其他节点建模的无治疗速度方程。每个所述的现有治疗干预方程包括来自一组现有治疗干预常数的现有治疗干预常数。所述的一组新治疗节点与所述的一组现有治疗节点不同。进一步地，所述一组新治疗节点包括至少一个不在所述一组现有治疗节点中的节点。进一步地，所述一组现有治疗节点包括至少一个不在所述一组新治疗节点中的节点。可以为每个所述新治疗干预常数合成一个药物方案，所述的药物方案共同构成一个新的药物疗法。
本发明教导了使用任何上述方法设计的新药物疗法。例如，本公开教导了一种具有多种药物方案的药物疗法，每个方案一种物质具有使用上述方法确定的参数。此外，这些参数使得新药物疗法具有与现有药物疗法相同的结果。进一步地，所述药物方案各干预一个节点，这些节点共同构成一组节点，该组节点与现有药物疗法所干预的第二组节点不同。
一种新药开发和设计应用，可以储存在存储器中，可以提供理论治疗剂化合物的特性和特征，这些理论治疗剂化合物可以用于识别相应的现实世界潜在治疗剂化合物。一种使用药物开发和设计系统生成和处理从与已知治疗剂化合物相互作用的已识别生化或生物网络开发的高分辨率模型。这种方法在本发明中有时被称为DASS方法。DASS方法可以提供一个有关具有确定的生化或生物网络的已知疗法效果的模型和信息。在一个实施方式中，DASS方法还可以用于提供关于没有已知疗法的确定的生化或生物网络的模型和信息。使用DASS方法处理后，可以识别影响确定的生化或生物网络的理论治疗剂化合物的特征和特性，其影响方式与原始治疗剂影响网络的方式相同。同样地，可以使用所述方法来识别没有已知的治疗方法的确定的生化或生物网络中特定靶细胞的理论治疗剂。
在DASS方法的一个实施方式中，所述系统输出可用于与确定的生化或生物网络相互作用的理论治疗剂化合物的理论性质和特征。所述的理论治疗剂化合物的性质和特征可用于与现实世界的治疗剂化合物进行比较来鉴定潜在的治疗剂化合物，其产生对生物或生化网络或至少靶细胞相似的通路行为，可以在确定的生化或生物网络上进行测试。
在另一实施方式中，针对确定的生化或生物网络模拟潜在的治疗剂化合物，以检查潜在的治疗剂化合物是否可以作为高质量的候选药物。高质量的候选药物是指已确定的潜在治疗剂化合物，其可以对靶细胞产生与原始治疗剂化合物相同或更好的作用，并对非靶细胞造成最小的扰动，或者其在确定的生化或生物网络上产生与原始疗法完全相似的通路行为。
在另一实施方式中，所述生化或生物网络的建模和模拟由药物开发和设计系统执行，并且与所执行的任何建模有关的所有信息都可以储存在系统的数据存储器中。
执行本发明所述的方法的系统可以包括典型的网络环境，其包括通过网络连接的多个电子设备和服务器。电子设备的实例可以包括但不限于计算机、智能电话和/或平板电脑。在一个实施方式中，电子设备和服务器可以相互通信。网络107可以是有线的、无线的或两者的组合。LAN的一个实例是单个建筑物内的网络。WAN的一个实例是因特网。
电子设备可以包括本地存储器和本地处理器。本地存储器可以包含本地应用程序和本地数据。
服务器可以包括服务器存储器和服务器处理器。服务器存储器可以包含服务器应用程序和服务器数据。
在一个实施方式中，药物开发和设计应用程序可以指本地应用程序，其中接口、显示、逻辑和数据存储在电子设备上本地控制。在这样的实施方式中，存储器可以表示本地存储器，处理器可以表示本地处理器，数据可以表示本地数据。
在另一实施方式中，药物开发设计应用可以是指本地应用和服务器应用。这种实施方式的一个实例是本地应用程序是通用目的(浏览器)应用程序。这种实施方式的另一个实例是本地应用程序是专用目的(非浏览器)应用程序。
在第一个实施例中，浏览器通过网站访问服务器应用程序。在这样的实施方式中，将使用电子设备与用户交互，显示可以由本地应用程序和服务器应用程序执行，而逻辑和数据可以由服务器执行。在这样的实施例中，存储器可以表示电子设备存储器和/或服务器存储器，处理器可以表示电子设备处理器和/或服务器处理器，并且数据可以表示服务器数据。
在第二个实施例中，所述专用目的应用程序访问服务器应用程序103b。在这样的实施方式中，可使用电子设备与用户交互，而显示、逻辑和数据存储器可以分布在电子设备和服务器上。在这样的实施例中，存储器表示电子设备存储器和/或服务器存储器，处理器可以表示电子设备处理器和/或服务器处理器，并且数据将表示本地数据和/或服务器数据。
储存在上文描述的存储器中的是数据和可由处理器执行的若干组件。特别地，储存在存储器中并可由处理器执行的是DASS方法和可能的其他应用程序。存储器中还可以储存信息，例如已知治疗剂化合物与靶细胞的相互作用、治疗剂化合物与非靶细胞的动力学特征数据，以及其他数据。此外，操作系统可以储存在存储器中并由处理器执行。
尽管本文描述的药物开发和设计系统以及其他各种系统可以体现在由如上所述的通用硬件执行的软件或代码中，作为替代方案，其也可以体现在专用硬件或软件/通用硬件和专用硬件的组合中。如果体现在专用硬件中，每个都可以实现为电路或状态机，采用多种技术中的任何一种或其组合。这些技术可以包括但不限于：具有逻辑门的分立逻辑电路，用于在应用一个或多个数据信号时实现各种逻辑功能；具有适当逻辑门；或其他组件的专用集成电路等等。此类技术通常为本领域技术人员所熟知，因此在此不作详细描述。
另外，本文描述的包含软件或代码的任何逻辑或应用程序，包括所述药物开发和设计系统，可以体现在任何计算机可读存储介质中，供指令执行系统使用或与其结合使用，例如计算机系统或其他系统中的处理器。在这个意义上，逻辑可以包括，例如，包含可以从计算机可读存储介质中取出并由指令执行系统执行的指令和声明的语句。
需要强调的是，本发明的上述实施方式仅仅是为了清楚地理解本发明的原理而提出的可能的实施方式。在实质上不脱离本发明的精神和原则的情况下，可以对上述实施方式进行许多变化和修改。所有此类修改和变化意在包含在本公开的范围内并受权利要求保护。
在不脱离所附权利要求的范围的情况下，可以对所示操作方法的细节进行各种改变。一些实施方式可以将本文描述的活动组合为单独的步骤。类似地，可以省略一个或多个所描述的步骤，这取决于实施该方法的具体操作环境。应当理解，上面的描述是说明性的，而不是限制性的。例如，上述实施方式可以相互组合使用。在阅读以上描述后，许多其他实施方式对于本领域技术人员将是显而易见的。因此，本发明的范围应参照所附权利要求以及其所享有的等同的全部范围来确定。在所附权利要求中，术语“包括”和“在其中”用作相应术语“包含”和“其中”的简单等同。
Claims (22)
1.一种利用现有药物疗法的特性开发新药物疗法的方法，所述的方法包括步骤：
开发目标生物网络的一种新治疗数学模型，所述的新治疗数学模型能够产生新治疗时程进展，包括在所述目标生物网络的现有治疗数学模型的现有治疗时程进展中发现的时程进展特征，所述的时程进展特征与所述的目标生物网络的结果相关；
所述的新治疗数学模型包括：对一组新治疗干预节点中的每个新治疗干预节点进行建模一个新治疗干预函数，和对所述的新治疗数学模型的所有其他节点建模的第一组无治疗节点速度函数；每个所述的新治疗干预函数包括来自一组新治疗干预常数的一个或多个新治疗干预常数；
所述的现有治疗数学模型包括：对一组现有治疗干预节点中的每个现有治疗干预节点建模的现有治疗干预方程，以及对所述现有治疗数学模型的所有其他节点建模的无治疗速度方程；每个所述的现有治疗干预方程包括来自一组现有治疗干预常数的现有治疗干预常数；
所述的一组新治疗节点与所述的一组现有治疗节点不同；进一步地，所述一组新治疗节点包括至少一个不在所述一组现有治疗节点中的节点；进一步地，所述一组现有治疗节点包括至少一个不在所述一组新治疗节点中的节点；和
为每个所述新治疗干预常数合成一个药物方案，所述的药物方案共同构成一个新的药物疗法。
2.如权利要求1所述的方法，其中，
所述的一组新治疗时程进展包括所述的目标生物网络中的一组化学物质中每一种化学物质的新治疗时程进展；并且
所述的一组现有治疗时程进展包括所述的一组化学物质中的每一种所述的化学物质的现有治疗时程进展。
3.如权利要求2所述的方法，其中，
所述的一组新治疗时程进展进一步包括所述的目标生物网络中的一组蛋白质中每一种蛋白质的新治疗时程进展；并且
所述的一组现有治疗时程进展进一步包括所述的一组蛋白质中的每一种所述的蛋白质的现有治疗时程进展。
4.如权利要求2所述的方法，其中，所述的时程进展特征包括所述的化学物质中的第一化学物质的第一化学物质浓度达到或超过阈值。
5.如权利要求2所述的方法，其中，所述的时程进展特征包括事件顺序。
6.如权利要求5所述的方法，其中，所述的事件顺序至少被部分地定义为在第一化学物质具有达到或超过第一阈值的第一化学物质浓度之后，第二化学物质具有达到或超过第二阈值的第二化学物质浓度。
7.如权利要求5所述的方法，其中，所述的事件顺序至少被部分地定义为在第一化学物质具有达到或超过第一阈值的第一化学物质浓度之后，所述的第一化学物质浓度达到或超过第二阈值。
8.如权利要求2所述的方法，其中，所述的时程进展特征包括所述的一组化学物质的第一化学物质具有达到或超过第一阈值的第一化学物质浓度，同时所述的化学物质的第二化学物质的第二化学物质浓度正在达到或超过第二阈值。
9.如权利要求2所述的方法，其中，所述的时程进展特征包括所述的一组化学物质的所述的化学物质的化学物质浓度进入一个范围，使得所述的化学物质浓度一起等于或大于一组每种所述的化学物质的目标浓度而不偏离。
10.如权利要求9所述的方法，其中，所述的化学物质浓度和所述的目标浓度之间的偏差通过均方根运算得到。
11.如权利要求1所述的方法，其中，至少一个所述的新治疗干预方程为抑制方程，并且与所述抑制方程相关联的所述的干预常数是抑制常数。
12.如权利要求1所述的方法，其中，至少一个所述的新治疗干预方程为加速方程，并且与所述抑制方程相关联的所述的干预常数是加速常数。
13.如权利要求1所述的方法，其中，至少一个所述的无治疗方程为米氏方程(Michaelis-Menten equation)。
14.如权利要求1所述的方法，其中，所述的一组现有治疗节点仅包含一个节点。
15.如权利要求1所述的方法，其中，不存在与所述的一组现有治疗节点和所述的一组新治疗节点共有的节点。
16.如权利要求1所述的方法，其中，在所述一组现有治疗节点和所述一组新治疗节点之间共有的每个节点包括与相应的新治疗干预常数相比不同的现有治疗干预常数。
17.一种为新药物疗法寻找一组参数以使新药物疗法产生与现有药物疗法相似的结果的方法，包括步骤：
如果数学模型具有任何与现有药物疗法相关的干预函数，在数学模型内用与所述数学模型相关的无治疗节点函数替换任何与现有药物疗法相关的干预函数；
为多个参数中的每一个参数选择范围；
为多个排列中的每个排列产生新治疗数学模型的时程进展，每一次使用所述排列产生所述时程进展；
针对每个排列确定其时程进展是否包括存在于与所述现有药物治疗相关的现有治疗时程进展中的时程进展特征，所述的时程进展特征与所述的现有药物疗法的结果相关；和
对于包含所述时程进展特征的至少一个排列，合成具有与该排列的动力学参数基本匹配的动力学特性的物质，以产生新的药物疗法。
18.如权利要求17所述的方法，其中，所述的参数范围包括可以被干预的一组节点的指定。
19.如权利要求17所述的方法，其中，所述的参数范围包括多个供考虑的干预方程。
20.如权利要求17所述的方法，其中，所述的参数范围包括一个或多个干预方程的一个或多个干预常数的范围。
21.如权利要求17所述的方法，其中，所述的参数范围包括干预常数范围。
22.如权利要求17所述的方法，其中，所述的参数范围包括空间考虑。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063053706P | 2020-07-19 | 2020-07-19 | |
| US63/053,706 | 2020-07-19 | ||
| PCT/US2021/042263 WO2022020277A1 (en) | 2020-07-19 | 2021-07-19 | A system and method for developing an alternative drug therapy using characteristics of an existing drug therapy to produce a similar pathway behavior |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116490124A true CN116490124A (zh) | 2023-07-25 |
Family
ID=79729808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180055631.1A Pending CN116490124A (zh) | 2020-07-19 | 2021-07-19 | 一种利用现有药物疗法特性开发替代药物疗法以产生相似通路行为的系统和方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20230298719A1 (zh) |
| EP (1) | EP4181776A4 (zh) |
| JP (1) | JP2023539549A (zh) |
| KR (1) | KR20230054370A (zh) |
| CN (1) | CN116490124A (zh) |
| AU (1) | AU2021313137A1 (zh) |
| CA (1) | CA3186693A1 (zh) |
| WO (1) | WO2022020277A1 (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002088383A2 (en) * | 2001-04-27 | 2002-11-07 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and system for identifying targets by nucleocytoplasmic cycling and use thereof |
| JP2004532475A (ja) * | 2001-05-15 | 2004-10-21 | サイコジェニックス・インコーポレーテッド | 行動情報工学を監視するシステムおよび方法 |
| US7415359B2 (en) * | 2001-11-02 | 2008-08-19 | Gene Network Sciences, Inc. | Methods and systems for the identification of components of mammalian biochemical networks as targets for therapeutic agents |
| WO2009027843A2 (en) * | 2007-05-18 | 2009-03-05 | Optimata Ltd. | Techniques for purposing a new compound and for repurposing a drug |
| US20050130192A1 (en) * | 2003-09-11 | 2005-06-16 | Paterson Thomas S. | Apparatus and method for identifying therapeutic targets using a computer model |
| US20060287885A1 (en) * | 2005-06-21 | 2006-12-21 | Frick W V | Treatment management system |
| DK2562664T3 (da) * | 2007-06-27 | 2021-02-01 | Hoffmann La Roche | System til bestemmelse af insulinafgivelse samt formidling af en dosis i en automatiseret bugspytkirtelsoftware |
| EP2065821A1 (en) * | 2007-11-30 | 2009-06-03 | Pharnext | Novel disease treatment by predicting drug association |
| US9560967B2 (en) * | 2008-04-24 | 2017-02-07 | The Invention Science Fund I Llc | Systems and apparatus for measuring a bioactive agent effect |
-
2021
- 2021-07-19 AU AU2021313137A patent/AU2021313137A1/en active Pending
- 2021-07-19 CN CN202180055631.1A patent/CN116490124A/zh active Pending
- 2021-07-19 EP EP21845248.0A patent/EP4181776A4/en active Pending
- 2021-07-19 US US18/017,076 patent/US20230298719A1/en active Pending
- 2021-07-19 KR KR1020237005984A patent/KR20230054370A/ko active Search and Examination
- 2021-07-19 JP JP2023504192A patent/JP2023539549A/ja active Pending
- 2021-07-19 CA CA3186693A patent/CA3186693A1/en active Pending
- 2021-07-19 WO PCT/US2021/042263 patent/WO2022020277A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| US20230298719A1 (en) | 2023-09-21 |
| CA3186693A1 (en) | 2022-01-27 |
| JP2023539549A (ja) | 2023-09-15 |
| EP4181776A4 (en) | 2024-10-23 |
| WO2022020277A1 (en) | 2022-01-27 |
| EP4181776A1 (en) | 2023-05-24 |
| AU2021313137A1 (en) | 2023-02-23 |
| KR20230054370A (ko) | 2023-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nyberg et al. | Methods and software tools for design evaluation in population pharmacokinetics–pharmacodynamics studies | |
| Ammar et al. | Reduction of the chemical master equation for gene regulatory networks using proper generalized decompositions | |
| Zhu et al. | Prediction of microbe-drug associations based on KATZ measure | |
| CN109698823B (zh) | 一种网络威胁发现方法 | |
| KR102029297B1 (ko) | 환자 맞춤형 치료를 위한 최적의 표적 항암 치료제 동정 플랫폼 | |
| Kriete et al. | Computational systems biology of aging | |
| Naeem et al. | Scalable mutation testing using predictive analysis of deep learning model | |
| Vostinar et al. | Suicidal selection: Programmed cell death can evolve in unicellular organisms due solely to kin selection | |
| Asoudeh et al. | Multi-objective construction of an entire adequate test suite for an EFSM | |
| CN116490124A (zh) | 一种利用现有药物疗法特性开发替代药物疗法以产生相似通路行为的系统和方法 | |
| Wason et al. | Planning multi‐arm screening studies within the context of a drug development program | |
| Xiao et al. | Close spatial arrangement of mutants favors and disfavors fixation | |
| Oleś et al. | Efficient control of epidemics spreading on networks: Balance between treatment and recovery | |
| Oprisanu et al. | Measuring utility and privacy of synthetic genomic data | |
| Amparore et al. | Multiformalism modeling and simulation of immune system mechanisms | |
| Chebon et al. | Models for zero‐inflated, correlated count data with extra heterogeneity: when is it too complex? | |
| Marescot et al. | ‘Keeping the kids at home’can limit the persistence of contagious pathogens in social animals | |
| Hosseini Amini et al. | Rule-centred genetic programming (RCGP): An imperialist competitive approach | |
| Ye et al. | Ex2: Monte Carlo Tree Search‐based test inputs prioritization for fuzzing deep neural networks | |
| Schumann et al. | Physarum machines: Selected works | |
| Yu et al. | A Bayesian sequential design with adaptive randomization for 2‐sided hypothesis test | |
| Yu et al. | Bistable host-pathogen interaction explains varied infection outcomes | |
| Swierniak et al. | Modeling and optimization of radio-chemotherapy | |
| Ziebarth et al. | Multiscalar genetic pathway modeling with hybrid Bayesian networks | |
| Feng et al. | Modelling the Mimic Defence Technology for Multimedia Cloud Servers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |