Om
Bakgrund
SETxGNN är en forskningsstödjande plattform för läkemedelsrepositionering, byggd på TxGNN-modellen som publicerats i Nature Medicine av Zitnik Lab vid Harvard University. Den predikterar indikationsutvidgning för läkemedel som godkänts av MPA i Sverige. Utöver AI-baserade prediktionspoäng integrerar plattformen klinisk evidens från ClinicalTrials.gov och PubMed, så att forskare snabbt kan bedöma hur trovärdig varje prediktion är.
Om utvecklaren
Denna plattform utvecklas och drivs av 藥提醒科技有限公司 (yao.care, organisationsnummer 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
SETxGNN är Sverige-webbplatsen i företagets produktlinje "TxGNN Drug Repurposing".
Samma system är driftsatt i 30 länder och regioner, vart och ett med namnet {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN och så vidare) på {cc}txgnn.yao.care.
Produktöversikt: https://www.yao.care/medical/txgnn/.
Själva TxGNN-modellen utvecklades av Zitnik Lab vid Harvard Medical School och publicerades i Nature Medicine. Denna plattform är det produktionssystem som 藥提醒科技有限公司 har byggt ovanpå den modellen, och omfattar integration av nationella läkemedelsregistreringsdata, dubbel prediktion med kunskapsgraf och djupinlärning, evidensgradering från PubMed / ClinicalTrials samt integration med elektroniska patientjournaler via SMART on FHIR.
Vad är läkemedelsrepositionering?
Läkemedelsrepositionering innebär att hitta nya terapeutiska användningsområden för befintliga läkemedel. Jämfört med att utveckla ett helt nytt läkemedel från grunden — 10 till 15 år och 1–2 miljarder USD — tar repositionering 3 till 5 år och 100–300 miljoner USD, och säkerhetsdata från människa finns redan, vilket gör risken för misslyckande lägre.
| Aspekt | Utveckling av nytt läkemedel | Läkemedelsrepositionering |
|---|---|---|
| Tid | 10–15 år | 3–5 år |
| Kostnad | 1–2 miljarder USD | 100–300 miljoner USD |
| Säkerhetsdata | Måste tas fram | Data från människa finns redan |
| Risk för misslyckande | Mycket hög (>90 %) | Lägre |
Vad är TxGNN?
TxGNN är en djupinlärningsmodell utvecklad av Zitnik Lab vid Harvard Medical School och publicerad i Nature Medicine. Den predikterar nya samband mellan läkemedel och sjukdom och är den första grundmodellen för läkemedelsrepositionering som utformats särskilt för kliniker.
"TxGNN integrerar en kunskapsgraf med 17 080 biomedicinska entiteter och använder grafneurala nätverk för att lära sig komplexa samband mellan noder och prediktera läkemedels potentiella effekt mot sällsynta sjukdomar." — Huang et al., Nature Medicine (2023)
Datakällor
| Typ | Källa | Beskrivning |
|---|---|---|
| AI-prediktion | TxGNN | Harvards prediktionsmodell baserad på kunskapsgraf |
| Kliniska prövningar | ClinicalTrials.gov | Globalt register över kliniska prövningar |
| Litteratur | PubMed | Databas över biomedicinsk litteratur |
| Läkemedelsinformation | DrugBank | Databas över läkemedel och målmolekyler |
| Registreringsdata | MPA | Läkemedelsgodkännandedata för Sverige |
Vetenskaplig grund
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Omfattning
| Post | Värde |
|---|---|
| Läkemedelsrapporter | 139 |
| Tillsynsmyndighet | MPA |
| Driftsatta webbplatser | 30 länder / regioner |
Kontakt
- GitHub Issues: https://github.com/yao-care/SETxGNN/issues
- Utvecklare: 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Produktöversikt: https://www.yao.care/medical/txgnn/
Denna rapport är endast avsedd som referens för akademisk forskning och utgör inte medicinsk rådgivning. Följ alltid din läkares anvisningar; justera aldrig din medicinering på egen hand. Varje beslut om läkemedelsrepositionering kräver fullständig klinisk validering och regulatorisk granskning.
Granskad av: 藥提醒科技有限公司 (yao.care)