用转录变化建立药物预测模型
北京大学（Peking University）等中国研究团队在 Nature Biotechnology 报道深度学习药效预测系统（deep learning-based efficacy prediction system，DLEPS）。研究针对部分疾病缺少明确药物靶点的问题，尝试根据疾病状态下的基因表达变化寻找候选药物。
DLEPS 以来自 L1000 数据集的化合物诱导转录变化为训练资料。对训练中未出现的分子，预测转录变化与参照结果的 Pearson 相关系数为 0.74；这一指标评价基因表达变化的预测表现。
候选药物进入疾病模型测试
团队研究肥胖、高尿酸血症和非酒精性脂肪性肝炎 3 类疾病，并在相应小鼠模型中测试排名靠前的候选药物。摘要列出的候选包括 perillen、chikusetsusaponin IV 和曲美替尼。
其中，曲美替尼的实验支持 MEK-ERK 信号通路与非酒精性脂肪性肝炎治疗研究相关。研究把转录预测与候选药物实验连起来，展示了这种计算系统用于药物再利用和发现的可能用途。