已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Can Machine Learning Overcome the 95% Failure Rate and Reality that Only 30% of Approved Cancer Drugs Meaningfully Extend Patient Survival?

化学 抗癌药物 癌症 故障率 药理学 重症监护医学 内科学 可靠性工程 医学 工程类
作者
Duxin Sun,Christian Macedonia,Zhigang Chen,Sriram Chandrasekaran,Kayvan Najarian,Simon Zhou,Tim Cernak,Vicki L. Ellingrod,H. V. Jagadish,Bernard L. Marini,Manjunath P. Pai,Angela Violi,Jason C. Rech,Shaomeng Wang,Yan Li,Brian D. Athey,Gilbert S. Omenn
出处
期刊:Journal of Medicinal Chemistry [American Chemical Society]
标识
DOI:10.1021/acs.jmedchem.4c01684
摘要

Despite implementing hundreds of strategies, cancer drug development suffers from a 95% failure rate over 30 years, with only 30% of approved cancer drugs extending patient survival beyond 2.5 months. Adding more criteria without eliminating nonessential ones is impractical and may fall into the "survivorship bias" trap. Machine learning (ML) models may enhance efficiency by saving time and cost. Yet, they may not improve success rate without identifying the root causes of failure. We propose a "STAR-guided ML system" (structure-tissue/cell selectivity-activity relationship) to enhance success rate and efficiency by addressing three overlooked interdependent factors: potency/specificity to the on/off-targets determining efficacy in tumors at clinical doses, on/off-target-driven tissue/cell selectivity influencing adverse effects in the normal organs at clinical doses, and optimal clinical doses balancing efficacy/safety as determined by potency/specificity and tissue/cell selectivity. STAR-guided ML models can directly predict clinical dose/efficacy/safety from five features to design/select the best drugs, enhancing success and efficiency of cancer drug development.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
大模型应助专注鸣凤采纳,获得10
1秒前
tong完成签到,获得积分10
1秒前
赘婿应助清脆的芯采纳,获得10
4秒前
5秒前
田様应助颜沛文采纳,获得10
5秒前
7秒前
生动丹珍发布了新的文献求助10
7秒前
8秒前
MRzzzzz完成签到,获得积分10
9秒前
ppzy发布了新的文献求助30
9秒前
兴奋元冬发布了新的文献求助10
11秒前
11秒前
任性亚男完成签到,获得积分10
12秒前
13秒前
颜沛文发布了新的文献求助10
13秒前
14秒前
Owen应助胡不言采纳,获得10
15秒前
彭于晏应助胡不言采纳,获得10
15秒前
15秒前
Mint发布了新的文献求助10
17秒前
活着发布了新的文献求助10
17秒前
nn发布了新的文献求助10
17秒前
一路前行发布了新的文献求助10
19秒前
可爱的函函应助CCC采纳,获得10
21秒前
22秒前
哈哈哈完成签到,获得积分20
24秒前
李爱国应助小小采纳,获得10
25秒前
again发布了新的文献求助30
25秒前
活着发布了新的文献求助10
28秒前
31秒前
cly3397发布了新的文献求助10
35秒前
完美世界应助忐忑的果汁采纳,获得10
35秒前
李键刚完成签到 ,获得积分10
36秒前
40秒前
科目三应助火山采纳,获得10
42秒前
42秒前
cly3397完成签到,获得积分10
42秒前
乐乐应助万岁采纳,获得10
42秒前
光亮的莆完成签到,获得积分10
43秒前
唐亿倩发布了新的文献求助10
44秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150395
求助须知:如何正确求助?哪些是违规求助? 2801512
关于积分的说明 7845255
捐赠科研通 2459095
什么是DOI,文献DOI怎么找? 1308964
科研通“疑难数据库(出版商)”最低求助积分说明 628618
版权声明 601727