多查询相似性搜索模型:从序列预测血溶性活动的替代方法
Kevin Castillo-Mendieta1, Guillermin Agüero-Chapin2,3, Edgar Marquez4
1School of Biological Sciences and Engineering, Yachay Tech University, Hda. San José s/n y Proyecto Yachay, Urcuquí 100119, Ecuador.
Chemical research in toxicology
|March 19, 2024
概括
预测的血溶性毒性对于药物开发至关重要. 结合网络科学和多查询相似性搜索 (MQSS) 的新计算模型显著提高了对现有方法的准确性.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 类提供治疗优势比小分子和抗体.
- 类药物开发受到诸如血液溶解等毒性影响的阻碍.
- 预测血溶性毒性的现有计算工具存在局限性.
研究的目的:
- 开发一个强大的计算模型来预测的血溶性毒性.
- 克服当前基于机器学习的预测工具的局限性.
主要方法:
- 采用了一种结合网络科学和多查询相似性搜索 (MQSS) 的新方法.
- 在外部数据集上构建和评估了1152个初始模型.
- 最好的模型被融合和改进,以创建最终的MQSS模型,I1.1.
主要成果:
- 开发的MQSS模型 (I1) 超过了所有基于最先进的机器学习 (ML) 的模型.
- 该模型被用来评估治疗性类中血溶性毒性的患病率.
- 估计的血溶性可能比之前报告的高3.9倍.
结论:
- MQSS模型提供了一个可靠的工具,用于预测的血溶性毒性.
- 这一进步可以加速开发更安全的基于的治疗方法.
- 建议在治疗性酸中更高的血液溶解毒性.
更多相关视频
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
5.0K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.8K
