通过数据融合和多数投票制定可靠的IDO1/TDO双重抑制剂分类
Zahra Ghaemi1, M Asadollahi-Baboli1
1Department of Chemistry, Faculty of Science, Babol Noshirvani University of Technology, Babol, Mazandaran, Iran.
Journal of biomolecular structure & dynamics
|November 3, 2023
概括
这项研究开发了一种可靠的方法,使用数据融合和多数投票来识别癌症和神经退行性疾病的双重IDO1/TDO抑制剂. 该方法显著提高了活性和非活性化合物的分类准确性.
科学领域:
- 药用化学 医学化学
- 计算机化药物发现技术
- 药理学 药理学是指药理学的学科.
背景情况:
- 印度列胺2,3-二氧化酶1 (IDO1) 和二二氧化酶 (TDO) 是治疗癌症和神经退行性疾病的关键标.
- 开发用于IDO1和TDO的双向抑制剂是一个有前途的治疗策略.
研究的目的:
- 为了提高活性/无活性双 IDO1/TDO 抑制剂的分类准确性.
- 建立一个可靠的决策程序,用于识别强烈的双重抑制剂.
主要方法:
- 针对双 IDO1/TDO 抑制剂,采用了基于受体和基于连接体的信息的数据融合.
- 采用多数投票方法,使用个人分类模型的池.
- 通过预测集,交叉验证和y-scrambling测试验证实了分类模型.
主要成果:
- 通过数据融合和多数投票实现了高达90%的灵敏度,特异性,精度,准确性,G-平均值和F1分数值的分类性能.
- 通过整合多个预测,证明多数投票方法提供了比个人分类模型更可靠的结果.
结论:
- 开发的数据融合和多数投票策略提供了一个强大的方法来识别活跃/无活跃的双重IDO1/TDO抑制剂.
- 这种分类策略有可能促进癌症免疫疗法和神经退行性疾病治疗中新型治疗剂的发现.


