A large-scale human toxicogenomics resource for drug-induced liver injury prediction
8.5
来源：
Nature
关键字：
mRNA
发布时间：
2025-11-13 23:37
摘要：
ToxPredictor是一个基于RNA-seq数据的机器学习模型，旨在预测药物诱导的肝损伤（DILI）风险。该模型通过结合来自300种化合物的转录组数据，展示了88%的敏感性和100%的特异性，超越了现有的预临床模型。DILImap数据库的建立为DILI的机制研究提供了重要资源，能够识别临床失败药物的潜在风险，具有显著的应用前景。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分+1.0分+1.0分+1.0分+2.5分+1.0分+0.5分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
1.0分
关键证据
ToxPredictor在盲验证中显示出88%的敏感性和100%的特异性。
DILImap数据库包含300种化合物的RNA-seq数据，为DILI建模提供了丰富的机制见解。
该模型成功识别了多种临床失败药物的DILI风险。
真实性检查
否
AI评分总结
ToxPredictor是一个基于RNA-seq数据的机器学习模型，旨在预测药物诱导的肝损伤（DILI）风险。该模型通过结合来自300种化合物的转录组数据，展示了88%的敏感性和100%的特异性，超越了现有的预临床模型。DILImap数据库的建立为DILI的机制研究提供了重要资源，能够识别临床失败药物的潜在风险，具有显著的应用前景。