抗登革热:一种机器学习辅助的小分子抗病毒药物对登革热病毒的预测和药物重用中的含义
Sakshi Gautam1,2, Anamika Thakur1,2, Akanksha Rajput1
1Virology Unit, Institute of Microbial Technology, Council of Scientific and Industrial Research (CSIR), Sector 39A, Chandigarh 160036, India.
Viruses
|January 23, 2024
概括
"抗登革热"算法使用定量结构-活性关系 (QSAR) 和机器学习来预测登革热病毒抑制剂. 这种方法确定了戈塞雷林,淋巴素和纳法雷林作为潜在的重用药物,以加速抗病毒开发.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 病毒学 病毒学
背景情况:
- 登革热病毒的爆发是一个重大的全球健康问题,特别是在热带地区.
- 由于缺乏已批准的治疗方法,因此急需有效的抗病毒疗法.
- 现有的药物发现管道需要加速,以满足对新登革热疗法的需求.
研究的目的:
- 为了开发一个预测算法,
- "抗登革热",用于识别潜在的登革热病毒抑制剂.
- 为药物发现利用定量结构-活性关系 (QSAR) 和机器学习技术 (MLT).
- 为了确定可以用于登革热治疗的现有药物.
主要方法:
- 利用DrugRepV数据库提取小分子并重新定位针对登革热病毒的药物.
- 使用PaDEL软件计算的分子描述器和指纹.
- 使用机器学习方法 (SVM,ANN,kNN,RF) 开发并验证了基于回归的预测模型,并进行了10倍的交叉验证.
主要成果:
- 最好的预测模型在培训/测试数据集上达到0.71的皮尔森相关系数 (PCC),在独立验证数据集上达到0.81.
- 通过各种分析证实了模型的可靠性和稳定性,包括威廉的图,散射图,诱集和化学聚类.
- 确定了戈塞林,淋巴多林和纳法雷林作为具有高预测抑制活性 (pIC50值) 的潜在重用药物候选药物.
结论:
- 开发的 开发的 开发的
- "抗登革热"算法在预测登革热病毒抑制剂方面表现出有效性.
- 这项研究成功地确定了登革热治疗的有希望的重用药物候选者.
- 这种计算方法可以显著加速开发针对登革热病毒的新型抗病毒疗法.
