对细胞染色体P450异型特异性的化研究的调查
Yao Wei1, Luca Palazzolo1, Omar Ben Mariem1
1Dipartimento di Scienze Farmacologiche e Biomolecolari "Rodolfo Paoletti", Università degli Studi di Milano, Via Giuseppe Balzaretti 9, 20133 Milano, Italy.
Computational and structural biotechnology journal
|August 27, 2024
概括
这项研究回顾了20年来关于细胞染色体P450 (CYP450) 特异性的in silico研究,评估用于预测药物相互作用和帮助药物发现的机器学习模型.
科学领域:
- 生物化学和药理学 生物化学和药理学
- 计算化学的计算化学
- 药物发现和开发 药物发现和开发
背景情况:
- 细胞染色体P450 (CYP450) 酶对于人类的异生物代谢至关重要,催化了90%以上的这些反应.
- 预测CYP450基质和抑制剂对于药物发现,毒理学和个性化医学至关重要.
- 了解CYP450的特异性有助于识别潜在的候选药物和评估安全性.
研究的目的:
- 在过去二十年中对CYP450特异性的in silico研究进行全面审查.
- 将现有研究分为基于结构和基于连接体的方法.
- 评估机器学习模型,以预测使用常规处方药的CYP450相互作用.
主要方法:
- 从过去20年来,对in silicoCYP450特异性研究进行了系统审查.
- 将研究分类为基于结构和基于连接体的方法.
- 使用100种常见药物的11个机器学习模型 (2015-2024) 的性能分析,检查数据集,算法和预测准确性.
主要成果:
- 在基于结构的和基于连接体的in silico方法中确定了CYP450特异性的趋势和进展.
- 评估了各种机器学习模型在预测CYP450药物相互作用方面的优缺点.
- 提供基于数据集,算法和预测结果的模型性能比较分析.
结论:
- 机器学习模型对预测CYP450相互作用显著有前途,有助于早期药物发现.
- 该综述为研究人员在为特定CYP450预测任务选择合适的in silico模型方面提供了指导.
- 未来的研究应该专注于改进基于结构和基于连接体的方法,以提高预测的准确性和更广泛的应用性.
更多相关视频
07:38A General Method for Detecting Nitrosamide Formation in the In Vitro Metabolism of Nitrosamines by Cytochrome P450s
Published on: September 25, 2017
10.0K
09:33Formation of Covalent DNA Adducts by Enzymatically Activated Carcinogens and Drugs In Vitro and Their Determination by 32P-postlabeling
Published on: March 20, 2018
13.8K
