阿尔帕卡:一种机器学习平台,用于对CANnabinoid受体调节器的亲和性和选择性分析
Pietro Delre1, Marialessandra Contino2, Domenico Alberga1
1CNR - Institute of Crystallography, Via Amendola 122/o, 70126, Bari, Italy.
Computers in biology and medicine
|August 12, 2023
概括
我们开发了机器学习模型来预测大麻素受体2 (CB2R) 亲和力和选择性. 这些工具有助于设计用于神经退行和癌症的药物,而无需产生精神药物效应.
科学领域:
- 药用化学 医学化学
- 计算化学计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 向大麻素受体2 (CB2R) 为神经退行和癌症提供了治疗潜力.
- 选择性CB2R调制对于避免与CB1R相关的不良心理效应至关重要.
- 需要in-silico工具来预测CB2R亲和力和选择性.
研究的目的:
- 开发和验证用于预测CB2R亲和力和选择性的机器学习分类器.
- 创建一个用户友好的平台来访问这些预测模型.
- 为了促进选择性CB2R调节器的设计.
主要方法:
- 机器学习分类器使用来自ChEMBL v30.30的高质量生物活性数据进行训练.
- 数据包括作用于CB1R和CB2R的小分子.
- 采用随机森林算法,实现了高预测性能 (AUC ≥0.96).
主要成果:
- 开发了准确的机器学习模型来预测CB2R亲和力,CB1R亲和力和CB2R/CB1R选择性.
- 随机森林模型表现出卓越的性能.
- 为了免费访问这些预测工具,创建了一个Web平台ALPACA.
结论:
- 开发的分类器对CB2R亲和力和选择性表现出强大的预测能力.
- 阿尔帕卡为药物发现提供了一个有价值的,用户友好的资源.
- 这种工具可以大大减少设计选择性CB2R调节器的时间和资源.
更多相关视频
07:16Methods for the Discovery of Novel Compounds Modulating a Gamma-Aminobutyric Acid Receptor Type A Neurotransmission
Published on: August 16, 2018
13.7K
05:27Immunization of Alpacas Lama pacos with Protein Antigens and Production of Antigen-specific Single Domain Antibodies
Published on: January 26, 2019
23.6K
