Construcción de conjuntos de datos semiinductiva y optimización de marcos para la predicción práctica de...

Área de la Ciencia:

• Biología Computacional
• Farmacología
• Inteligencia Artificial

Sus antecedentes:

• Los métodos de aprendizaje profundo para la predicción de interacciones fármaco-diana (DTI) son prometedores pero enfrentan limitaciones en la diversidad de datos y la complejidad del modelo.
• Los puntos de referencia existentes a menudo carecen de volumen y equilibrio de datos suficientes, lo que dificulta la aplicabilidad en el mundo real.

Objetivo del estudio:

• Desarrollar un marco unificado, SCOPE-DTI, que aborde las limitaciones en la predicción DTI integrando un conjunto de datos a gran escala y equilibrado con modelos avanzados de aprendizaje profundo.
• Mejorar la precisión y eficiencia de la predicción DTI para acelerar el descubrimiento de fármacos.

Principales métodos:

• Se construyó SCOPE-DTI a partir de 13 repositorios públicos, creando un conjunto de datos hasta 100 veces mayor que los puntos de referencia comunes.
• Se empleó un modelo SCOPE que integra representaciones 3D de proteínas y compuestos, redes neuronales de grafos y mecanismos de atención bilineal.
• Se desarrolló una interfaz y una base de datos fáciles de usar para SCOPE-DTI.

Principales resultados:

• El modelo SCOPE demostró un rendimiento superior en varias tareas de predicción DTI, superando a los métodos de vanguardia.
• La validación experimental identificó dianas anticancerígenas para dos compuestos naturales bioactivos, confirmando la eficacia del marco.
• El conjunto de datos y el modelo integrados mejoraron significativamente la predicción de patrones de interacción entre dominios.

Conclusiones:

• SCOPE-DTI ofrece una solución integral para la predicción DTI al proporcionar datos extensos, modelado sofisticado y herramientas accesibles.
• El marco acelera eficazmente la investigación de descubrimiento de fármacos al superar los desafíos de escasez de datos y complejidad del modelo.
• Este trabajo facilita la identificación de nuevas dianas farmacológicas y el desarrollo de nuevas terapias.