OTTM:一种自动化分类工具,用于从omics数据中进行翻译性药物发现

科学领域:

• 生物医学信息学 生物医学信息学
• 翻译医学是一种翻译医学.
• 药物发现 药物发现 药物发现

背景情况:

• 奥米克斯数据产生了许多潜在的目标,压倒了传统的验证方法.
• 许多已识别的基因/蛋白质缺乏现有的药物或治疗相关性.
• 从OMIC数据中有效地确定目标优先级对于药物开发至关重要.

研究的目的:

• 开发和验证一个新的分类工具,Omics和文本驱动的翻译医学 (OTTM),以从omics数据中优先考虑药物目标.
• 为了加快药物向和现有化合物用于治疗干预的识别.
• 简化将omics发现转化为临床应用.

主要方法:

• 开发了OTTM,这是一个分类工具,将omics数据与药物可用性和文献挖掘集成在一起.
• 将OTTM应用于来自蛋白质组学研究的4489个候选蛋白质的数据集.
• 对肝细胞癌Hep-G2细胞进行评估的候选药物.

主要成果:

• OTTM从4489个候选蛋白中推了40种FDA批准或临床试验药物.
• 测试了15种商用药物,其中两种药物具有强烈的抑制活性.
• 塔费诺昆酸和布拉纳普拉姆对Hep-G2细胞表现出显著的疗效,将CYC1和SMN1确定为潜在的标.

结论:

• OTTM有效地缩小了药物发现和标验证的候选蛋白质.
• 这项研究确定了tafenoquine糖酸和branaplam作为肝细胞癌的有希望的药物.
• OTTM有助于加速药物发现和从大规模的OMIC数据中识别目标.