EGFRをターゲットとするPROTACsのための機械学習ベースの薬理学予測器 (EGFR-PROPK)
Ran Zhang1, Fenglei Li1,2, Yao Liu3
1Shanghai Institute for Advanced Immunochemical Studies, ShanghaiTech University, Shanghai, China.
PROTEOLYSIS Tターゲティングキメラ (PROTACs) は治療効果が有望だが,その薬物動態 (PK) を最適化することは困難である. この研究では,PROTAC特有のモデル,EGFR-PROPKを開発し,半減期やクリアランスなどの主要なPK特性の予測精度を向上させました.
科学分野:
- ドラッグ・ディスカバリー・ドリッグ・ディスカバリー・ドリッグ・ディスカバリー・ドリッグ・ディスカバリー
- 薬理学 薬理学とは
- バイオテクノロジー バイオテクノロジー
背景:
- PROTEOLYSIS TARGETING CHIMERAS (PROTACs) は,標的型タンパク質分解のための新しい戦略を提供し,以前は薬剤で処理できなかった標的を対象としています.
- ADMETを含むPK特性 (Pharmacokinetic properties) の最適化は,PROTACの開発における重要な障害となっている.
- 伝統的な機械学習モデルは,小分子と比較して,PROTACsのユニークな特性と闘うことが多い.
研究 の 目的:
- PROTAC特有の薬理学性質予測モデルを開発し,検証する.
- 伝統的な機械学習モデルの予測性能をPROTACに合わせたモデルと比較して評価する.
- EGFRを標的とするPROTACs.sのPKパラメータ (CL,T1/2,Vss) の理解を向上させるため.
主な方法:
- 伝統的な機械学習と複数の分子指紋を組み合わせた.
- PROTACの薬理学性質予測のためのEGFR-PROPKモデルを開発しました.
- 100個のEGFRを標的にするPROTAC分子にインビボ実験を行い,CL,T1/2,Vss.を評価した.
主要な成果:
- 小分子で訓練された従来のモデルは,PROTACsに適用されたとき,劣ったパフォーマンスを示しました.
- PROTAC特有のデータに関するトレーニングモデルは,予測の精度を大幅に高めました.
- 予測値と観測値の間の相関係数は,T1/2で0.78,CLで0.75,Vssで0.52であった.
結論:
- PROTACの薬理学評価には,小分子薬の開発とは異なる,個別化されたアプローチが必要です.
- EGFR-PROPKモデルは,PROTAC特有のデータの有効性を実証し,PKの予測を改善しています.
- これらの発見は,PROTACベースの治療法の合理的な設計と開発を進める上で極めて重要です.
さらに関連する動画
13:34A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds
Published on: April 6, 2016
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
関連する概念動画
Pharmacogenomics: Identification of New Drug Targets
Impact of Pharmacokinetic–Pharmacodynamic Models: Regulatory Decisions
Pharmacogenetics of Drug Targets: β₂-Adrenergic Receptors, Apo E, Thymidylate Synthase
Pharmacokinetic–Pharmacodynamic Relationship: Problems
Pharmacogenetic Phenotypes: Alterations in Pharmacokinetics, Drug Targets and Biologic Milieu
Pharmacogenetics of Drug Metabolism: Overview
