机器学习在微生物天然产品药物发现中的应用
Autumn Arnold1,2,3, Jeremie Alexander1,2,3, Gary Liu1,2,3
1Department of Biochemistry and Biomedical Sciences, McMaster University, Hamilton, OntarioCanada.
通过分析复杂的数据,机器学习 (ML) 加快了用于新疗法的微生物自然产品 (NP) 的发现. 持续开发开放式NP数据集对于在药物发现中推进ML应用至关重要.
科学领域:
- 微生物学 微生物学
- 药用化学 医学化学
- 生物信息学是一种生物信息学.
背景情况:
- 自然产品 (NPs) 是治疗药物的重要来源,约70%的批准药物来自于它们.
- 新型微生物NP的发现率因传统发现过程的局限性而下降.
- 机器学习 (ML) 提供了强大的工具来分析复杂的生物和化学数据,用于NP发现.
研究的目的:
- 审查ML在微生物NP药物发现中的应用.
- 突出ML在基因组挖掘,脱复制和目标预测方面的实用性.
- 讨论ML在半合成药物发现方法中的作用.
主要方法:
- 在NP发现中对ML应用的当前文献的综述.
- 分析ML在特定阶段的实用性:基因组挖掘,脱复制和目标预测.
- 探索ML用于半合成NP开发.
主要成果:
- 机器学习有效地建模复杂的数据集,并在化学和序列空间中进行概括.
- 通过基因组挖掘和脱复制,ML有助于识别潜在的NP候选者.
- 机器学习可以预测发现的NP的生物标,简化药物开发.
结论:
- 机器学习是克服传统微生物NP发现局限性的强大工具.
- 高质量,开放的NP数据集对于最大限度地提高ML的影响至关重要.
- 建议进一步整合ML以加速从NP中开发新疗法.
更多相关视频
09:08From a Natural Product to Its Biosynthetic Gene Cluster: A Demonstration Using Polyketomycin from Streptomyces diastatochromogenes Tü6028
Published on: January 13, 2017
07:28Metabolic Profiling to Determine Bactericidal or Bacteriostatic Effects of New Natural Products using Isothermal Microcalorimetry
Published on: October 29, 2020
相关概念视频
Drug Discovery: Overview
MALDI-TOF Mass Spectrometry
Matrix-assisted laser desorption ionization (MALDI) is a commonly...
Modern Molecular Taxonomy
Microorganisms in Medicine and Therapeutics
Biological Methods for Microbial Control
Applications of Molecular Taxonomy
