通过基于功能融合的机器学习工作流程,结合发现抗菌剂
Cong Wang1,2, Yuhui Wu1,2, Yunfan Xue1
1MOE Key Laboratory of Macromolecule Synthesis and Functionalization, Department of Polymer Science and Engineering, Zhejiang University Hangzhou Zhejiang 310027 PR China zhangp7@zju.edu.cn jijian@zju.edu.cn.
Chemical science
|April 26, 2024
概括
研究人员开发了一种新的机器学习方法,以发现针对耐药细菌的新型抗菌药物,例如耐甲基金黄色葡萄球菌 (MRSA). 这种方法有效地选大型化学库,识别有前途的化合物.
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:
- 抗击耐药细菌,如耐甲基黄金葡萄球菌 (MRSA),需要发现新的抗菌药物.
- 传统的查方法耗时且费力.
- 现有的机器学习方法受到可靠数据集的可用性限制.
研究的目的:
- 开发一种有效的工作流程,用于识别新型抗菌化合物.
- 解决抗菌发现中传统查和当前机器学习方法的局限性.
- 确定有效对抗MRSA的化合物,并能够克服现有的抵抗机制.
主要方法:
- 使用Ugi反应合成了超过11万个候选项的组合库.
- 通过统一的抽样生成了一个集中库,以减少选规模.
- 一个新的隐性空间约束神经网络,集成指纹和物理化学描述器,被开发用于预测抗菌性质.
主要成果:
- 开发的机器学习模型通过利用融合分子描述器准确地预测了抗菌性质.
- 确定了三种化合物,它们对MRSA具有很好的疗效.
- 这些已识别的化合物显示出缓解现有的耐药性的潜力.
结论:
- 机器学习与组合化学的整合加速了高质量的数据生成和抗菌查的挖掘.
- 这种工作流提供了一个有前途的战略,用于有效地发现新型抗菌剂.
- 鉴定到的化合物代表了对抗MRSA感染的重大进展.
更多相关视频
07:40A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
Published on: May 27, 2021
4.2K
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.4K
