使用机器学习技术,对生 (Zingiber officinale) 的抗乳腺癌活性进行内预测
Marisca Evalina Gondokesumo1, Muhammad Rezki Rasyak2,3
1Faculty of Pharmacy, University of Surabaya, Surabaya, Indonesia.
Breast disease
|May 17, 2024
概括
机器学习在生中发现了潜在的乳腺抗癌化合物. 几种化合物通过准关键蛋白质显示出有前途,这表明生是有前途的.
科学领域:
- 植物化学 植物化学
- 计算化学计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 传统的印度尼西亚医学利用生健康,但其抗癌特性和安全性需要科学验证.
- 生 (Zingiber officinale) 是东南亚广泛使用的药用植物,具有潜在的,但尚未证明的抗癌益处.
研究的目的:
- 用机器学习计算预测中的潜在乳腺抗癌化合物.
- 确定可能抑制乳腺癌进展至关重要的KIT和MAPK2蛋白质的生衍生化合物.
主要方法:
- 机器学习模型Dudedocking被用来选生化合物.
- 进行了分子对接模拟,以评估预测化合物的与标蛋白的结合亲和力.
主要成果:
- 几个生化合物,包括β-胡卜素, [12]-Shogaol和黄素,与参考配体相比,它们与MAPK2蛋白结合得更好.
- 莱科, [8]-Shogaol, [6]-Shogaol和 [1]-Paradol显示出有利的毒性概况,并遵守利宾斯基的五个规则.
- 该研究预测了多种选的生化合物的抗癌潜力.
结论:
- 机器学习是加速从生等自然来源发现药物的宝贵工具.
- 这项研究为进一步调查生的抗癌潜力和开发新型治疗剂提供了基础.
