DRPMKB1.0：AI指向型ドラッグリポジショニング予測モデルのための包括的な知識ベース

科学分野:

• 計算生物学
• 創薬における人工知能
• 薬理学

背景:

• ドラッグリポジショニング（DR）は、既存薬の新たな用途を見つけることで創薬を加速します。
• DRにおける人工知能（AI）モデルの普及は、効果的な統合とリソース管理を必要とします。
• 大規模言語モデル（LLM）は広範な適用性を提供しますが、精度向上のためにはパーソナライズされた知識ベースから利益を得ます。

研究 の 目的:

• 包括的でAI指向型のドラッグリポジショニング予測（DRPMKB 1.0）のための知識ベースを開発すること。
• DRのための多様なAIモデルとデータセットの評価と統合のための標準化されたフレームワークを作成すること。
• テーラードされたモデルの推奨を通じて、パーソナライズされたドラッグリポジショニングの精度と効率を向上させること。

主な方法:

• 2024年3月までのPubMedのデータを収集し、45のカテゴリ、193のモデル、693のデータエントリをカバーしました。
• データ、モデル、アプリケーション、参照の次元にわたる表示および対話インターフェイスを備えたDRPMKB 1.0を開発しました。
• モデル固有の品質と予測的証拠を評価するためのデュアル評価フレームワークを確立しました。

主要な成果:

• DRPMKB 1.0は、DRのための集中化されたデータ共有プラットフォームを提供します。
• デュアル評価フレームワークは、モデルの選択と評価を標準化します。
• ユーザーデータに基づいたパーソナライズされた推奨により、DR予測の精度が大幅に向上します。

結論:

• DRPMKB 1.0は、AI主導のドラッグリポジショニングのための堅牢で統合されたプラットフォームを提供します。
• この知識ベースは、多様なデータとモデルのシームレスな統合を容易にし、継続的なAI強化をサポートします。
• このリソースは、テーラードされたモデルの推奨により研究者に力を与え、パーソナライズされた創薬の取り組みを前進させます。