以优化为基础的建模用于疟疾中可解释的发现
Yutong Li1, Jonathan Cardoso-Silva2, John M Kelly3
1Department of Informatics, King's College London, Bush House, London, WC2B 4BG, UK.
Artificial intelligence in medicine
|January 6, 2024
概括
新的定量结构-活性关系 (QSAR) 模型识别了新的抗疟疾药物线索. 这种可解释的AI方法通过分析化学结构和预测化合物活性来加速发现疟疾治疗方法.
科学领域:
- 药用化学 医学化学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 抗疟疾药物耐药性迫切需要开发新的治疗方法.
- 开源疟疾 (OSM) 项目已经选了许多化合物,为进一步的药物发现提供了基础.
- 探索现有的抗疟疾化合物周围的化学空间可以导致创新的治疗剂.
研究的目的:
- 开发一种可解释的定量结构-活性关系 (QSAR) 模型,用于预测抗疟疾化合物的活性.
- 通过基于优化的QSAR方法识别新的抗疟疾化合物.
- 为了证明可解释AI在基于片段的药物发现中的实用性.
主要方法:
- 一种基于优化的定量结构-活动关系 (QSAR) 建模方法,使用分片回归.
- 数学编程公式用于可解释的连接体活动建模.
- 使用Plasmodium falciparum无性生长抑制试验 (PfGIA) 和人类细胞细胞毒性试验,对已识别的化合物的实验性评估.
主要成果:
- 该QSAR模型产生了可解释的规则,反映了化学碎片对抗疟疾活性的贡献.
- 碎片优先级和复合物库的选确定了潜在的抗疟疾化合物.
- 三种化合物被实验验证为潜在的抗疟疾药物.
结论:
- 基于数学优化的可解释的预测模型可以显著增强针对抗疟疾药物的基于碎片的发现.
- 开发的方法提供了一个有效的途径来识别和验证新的抗疟疾药物候选药物.
- 这项研究有助于通过创新的药物发现方法对抗疟疾的持续努力.
相关概念视频
01:18Steps in Outbreak Investigation
131
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
131
01:23Mechanistic Models: Compartment Models in Individual and Population Analysis
43
Mechanistic models are utilized in individual analysis using single-source data, but imperfections arise due to data collection errors, preventing perfect prediction of observed data. The mathematical equation involves known values (Xi), observed concentrations (Ci), measurement errors (εi), model parameters (ϕj), and the related function (ƒi) for i number of values. Different least-squares metrics quantify differences between predicted and observed values. The ordinary least...
43