在免疫力障碍的药物设计中的Keras/TensorFlow
Paulina Dragan1, Kavita Joshi1, Alessandro Atzei1,2
1Faculty of Chemistry, University of Warsaw, Pasteura 1, 02-903 Warsaw, Poland.
International journal of molecular sciences
|October 14, 2023
概括
这项研究引入了一种新的药物发现方法,使用人工智能来识别向免疫系统调节中的化学因受体的化合物. 该方法增强了对潜在抗炎疗法的药物疗效和受体选择性的预测.
科学领域:
- 计算化学和化学信息学
- 免疫学和药理学 免疫学和药理学
- 人工智能在药物发现中的作用
背景情况:
- 免疫系统的平衡依赖于白细胞和细胞因子受体.
- 化基因及其受体调解免疫细胞在健康和疾病中的运动.
- 炎症性疾病需要新的,有效的治疗药物.
研究的目的:
- 发现新型的化合物支架,针对化学因子受体CCR2,CCR3和CXCR3.
- 使用Keras/TensorFlow神经网络 (NN) 作为复合物选的多类分类器.
- 通过提高结合亲和力和预测受体亚型选择性来增强药物发现.
主要方法:
- 基于结构的虚拟选 (SBVS) 结合Keras/TensorFlow NN.
- 全原子分子动力学模拟以评估结合亲和力.
- 对预测化合物与已知的受体对抗剂进行比较分析.
主要成果:
- 识别具有针对CCR2,CCR3和CXCR3的潜在活性的新型化合物支架3.
- 证明NN在分类化合物活性和预测受体亚型选择性方面的有效性.
- 在受体亚型预测方面取得了高精度,在选择性方面表现优于传统的SBVS.
结论:
- 克拉斯/TensorFlow NN在药物发现方面提供了显著的优势,补充了SBVS.
- 开发的NN模型准确地预测受体亚型选择性,这是SBVS的一个挑战.
- NN模型显示出识别免疫相关疾病的向治疗的潜力.
关键词:
CCR2 是一个CCR2 的类型.CCR3 CCR3 的意思是什么?CXCR3CXCR3CXCR3CXCR3CXCR3CXCR3CXCR3C与G蛋白结合的受体是G蛋白结合的受体.克拉斯克拉斯克拉斯克拉斯克拉斯克拉斯在 TensorFlow 系统中使用 TensorFlow.癌症 癌症 癌症 癌症 癌症化学因子受体 化学因子受体免疫力障碍 免疫力障碍这是一种炎症炎症炎症炎症.分子动力学分子动力学神经网络的神经网络的神经网络基于结构的虚拟选.更多相关视频
08:04In Vitro Three-Dimensional Sprouting Assay of Angiogenesis Using Mouse Embryonic Stem Cells for Vascular Disease Modeling and Drug Testing
Published on: May 11, 2021
2.9K
09:41An Organotypic High Throughput System for Characterization of Drug Sensitivity of Primary Multiple Myeloma Cells
Published on: July 15, 2015
8.7K
