SCORCH2:高濃縮相互作用ベースの仮想スクリーニングのための一般化された異質なコンセンサスモデル
Lin Chen1, Vincent Blay2, Pedro J Ballester3
1Institute for Quantitative Biology, Biochemistry and Biotechnology, University of Edinburgh, Edinburgh, EH9 3BF, UK.
SCORCH2は新しい機械学習フレームワークで 薬剤発見のための仮想スクリーニングを 予測の正確性と解釈性を向上させることで改善します 治療開発過程を簡素化し 新しい標的となる化合物を 効果的に特定します
科学分野:
- コンピュータ化学
- 薬剤開発における機械学習
- バイオ情報学
背景:
- 薬の発見は複雑で 費用もかかり 時間がかかり 失敗率も高いのです
- 生物学的標的に対する中等 afinityを持つヒット化合物の識別は,主要なボトルネックです.
- 現在のin silico仮想スクリーニング方法は,オーバーフィット,データバイアス,および解釈能力の低下などの制限に直面しています.
研究 の 目的:
- 仮想スクリーニングの強化のための機械学習フレームワークであるSCORCH2を導入する.
- 仮想スクリーニングプロセスの性能と解釈性を改善する.
- 既存のシリコスクリーニング方法の限界に対処する.
主な方法:
- SCORCH2を開発し,インタラクション機能を活用する機械学習ベースのフレームワークです.
- SCORCH2のパフォーマンスを評価した.
- SCORCH2の新生物標的の 特定能力を評価した.
主要な成果:
- SCORCH2は,SCORCHと比較して,多様な生物学的標的における優れた予測精度と一般化性を示しています.
- SCORCH2は,以前未確認の標的の 強力なヒット識別を示し, 強力な転送性を示しています.
- このフレームワークは,ドッキングポーズの選択の必要性を排除することによって,スクリーニングプロセスを効率化します.
結論:
- SCORCH2は仮想スクリーニングの性能と解釈性を向上させます.
- フレームワークは初期段階の薬剤発見を加速させるための大きな可能性を示しています.
- SCORCH2は コンピューターによる薬剤発見の 重要な進歩です
さらに関連する動画
06:29Workflow and Tools for Crystallographic Fragment Screening at the Helmholtz-Zentrum Berlin
Published on: March 3, 2021
12:30Avidity-based Extracellular Interaction Screening AVEXIS for the Scalable Detection of Low-affinity Extracellular Receptor-Ligand Interactions
Published on: March 5, 2012
関連する概念動画
Quantitative Aspects of Drug-Receptor Interaction
Molecular Models
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Genetic Screens
Forward genetic screens
Forward or “classical” genetic screens involve creating random mutations in an organism’s DNA using radiation, mutagens, or insertion of additional bases, which...
Drug Discovery: Overview
In-vitro Mutagenesis
