Polypharmacology Browser PPB3: Una herramienta de aprendizaje profundo basada en la web para la predicción de...

Área de la Ciencia:

• Química computacional es la química computacional.
• Farmacología Farmacología.
• El aprendizaje automático es el aprendizaje automático.

Sus antecedentes:

• Las moléculas similares a fármacos frecuentemente interactúan con múltiples dianas biológicas, un fenómeno conocido como polifarmacología.
• La evaluación de la polifarmacología es crucial para el desarrollo eficaz de fármacos y la comprensión de los mecanismos de los fármacos.

Objetivo del estudio:

• Desarrollar y validar modelos de redes neuronales profundas para predecir las interacciones entre fármacos.
• Para evaluar la polifarmacología de las moléculas bioactivas utilizando un conjunto de datos a gran escala.

Principales métodos:

• Se entrenaron redes neuronales profundas utilizando huellas dactilares de la subestructura binaria de moléculas de ChEMBL 34.
• Moléculas asociadas con objetivos basados en datos de actividad (≥50% activa a ≤10 μM).
• Utilizó un conjunto de datos que comprende más de 2,4 millones de interacciones entre 1,1 millones de moléculas y 7546 objetivos.

Principales resultados:

• Los modelos demostraron un buen rendimiento en términos de recuperación y precisión tanto para moléculas como para objetivos.
• El tamaño y el alcance del conjunto de datos (incluidos varios tipos de objetivos más allá de las proteínas) exceden significativamente los modelos anteriores.
• Un estudio de caso destacó las capacidades predictivas de los modelos en comparación con otras herramientas en línea.

Conclusiones:

• Las redes neuronales profundas pueden predecir eficazmente las interacciones fármaco-objetivo y la polifarmacología.
• Los modelos desarrollados ofrecen una herramienta valiosa para el descubrimiento y desarrollo de fármacos.
• Los servicios de predicción en línea (PPB3) están disponibles para uso público.