引入酶分裂特征和转移学习实现了跨物种和器官准确的半衰期预测
Xiaorong Tan1, Qianhui Liu1, Yanpeng Fang1
1Xiangya School of Pharmaceutical Sciences, Central South University, No. 172 Tongzipo Road, Yuelu District, Changsha 410083, P.R. China.
Briefings in bioinformatics
|July 22, 2024
概括
人工智能准确地预测类药物的半衰期,克服了像酶敏感性这样的局限性. 这一突破增强了类药物开发,使得物种和器官之间可靠的半衰期评估成为可能.
科学领域:
- 生物技术是生物技术.
- 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:
- 类药物为治疗疾病提供了高效率和选择性.
- 它们的临床应用受到对酶的敏感性和短半衰期的限制.
研究的目的:
- 开发一种基于人工智能的系统,用于准确预测半衰期.
- 为了使跨物种 (人类,小鼠) 和跨器官 (血液,肠道) 的半衰期评估.
- 改进治疗药物的发展.
主要方法:
- 集成的酶分裂和传统的描述符,以增强特征表示.
- 将传统的机器学习与转移学习方法进行比较.
- 开发并验证了包含转移学习的深度学习模型.
主要成果:
- 酶分离功能显著改善了模型性能.
- 使用转移学习的深度学习模型实现了高的R2值 (例如,人类血液中的修饰为0.90,小鼠血液中的天然为0.984).
- 与相关工作相比,该系统的预测准确度大约提高了15%.
结论:
- 开发的AI系统提供了准确的半衰期预测.
- 这种工具有助于对不同生物环境中的稳定性进行可靠的评估.
- 这项研究提供了强大的解决方案,以加速类药物开发.
更多相关视频
08:52Measurement of Protein Turnover Rates in Senescent and Non-Dividing Cultured Cells with Metabolic Labeling and Mass Spectrometry
Published on: April 6, 2022
3.5K
12:06Single-Cell Quantification of Protein Degradation Rates by Time-Lapse Fluorescence Microscopy in Adherent Cell Culture
Published on: February 4, 2018
8.6K
