Modelos de aprendizaje automático basados en ligandos para clasificar compuestos activos para el receptor de...

Área de la Ciencia:

• Farmacología
• Química Medicinal
• Biología Computacional

Sus antecedentes:

• Los receptores de prostaglandinas son objetivos clave para el tratamiento del glaucoma, la hipertensión pulmonar y el cáncer.
• El desarrollo de ligandos selectivos para los receptores de prostaglandinas sigue siendo un desafío.

Objetivo del estudio:

• Crear un modelo de aprendizaje automático basado en ligandos para clasificar la actividad del receptor EP2.
• Identificar compuestos selectivos para el receptor de prostaglandina EP2.

Principales métodos:

• Se utilizó un conjunto de datos de 1.826 descriptores químicos.
• Se seleccionaron 20 descriptores para entrenar algoritmos de bosque aleatorio.
• Se validó el modelo utilizando un conjunto de prueba independiente y pruebas experimentales.

Principales resultados:

• El modelo de aprendizaje automático logró una puntuación de área bajo la curva (AUC) > 0.8.
• El clasificador demostró una precisión del 88,9% en la predicción de la actividad del ligando EP2.
• Identificó ligandos EP2 novedosos y validados experimentalmente.

Conclusiones:

• El modelo de aprendizaje automático desarrollado es eficaz para clasificar la actividad del receptor EP2.
• Este flujo de trabajo se puede adaptar para otros receptores de prostaglandinas y objetivos.
• El estudio proporciona una herramienta valiosa para acelerar el descubrimiento de fármacos para enfermedades relacionadas con las prostaglandinas.