基于Augur数据增强的血脑屏障透的预测

科学领域:

• 生物技术是生物技术.
• 神经科学是一个神经科学.
• 药物运输 药物运输 药物运输

背景情况:

• 血脑屏障 (BBB) 保护大脑,但阻碍了中枢神经系统 (CNS) 疾病的药物输送.
• 穿透血脑屏障的可以为药物输送提供一个有前途的解决方案.
• 现有的这些的预测模型缺乏有限的积极数据.

研究的目的:

• 开发一种新的,准确的血脑屏障透的预测模型.
• 为了克服小样本大小和数据不平衡在预测这些的挑战.

主要方法:

• 使用边界-SMOTE进行数据增强.
• 采用机器学习算法.
• 提取可解释的的物理化学性质.

主要成果:

• 开发的模型,Augur,展示了优越的预测性能.
• 在训练组中达到0.932的AUC,在独立测试组中达到0.931.
• 有效地解决了有限的积极数据和样本不平衡的问题.

结论:

• 奥格尔模型在预测穿透血脑屏障的上表现出很高的有效性.
• 为开发用于神经疾病的基于的药物提供了宝贵的见解.
• 增强针对中枢神经系统疾病的基于的药物发现.