从单细胞转录组学来解码疟疾药物点的计算方法,并找到潜在的药物分子.
Soham Choudhuri1, Bhaswar Ghosh2
1Center for Computational Natural Sciences and Bioinformatics, International Institute of Information Technology, Hyderabad, 500032, India.
Scientific reports
|October 14, 2024
概括
疟疾寄生虫的耐药性需要新的治疗方法. 这项研究使用机器学习对Plasmodium falciparum的转录数据来识别药物点,并通过计算预测具有有利性质的新型抗疟疾药物.
科学领域:
- 计算生物学是一种计算生物学.
- 寄生虫学的寄生虫学
- 药物发现 药物发现
背景情况:
- 疟疾是由虫寄生虫引起的,是全球主要的健康威胁.
- 疟原虫 (Plasmodium falciparum) 已经对现有的抗疟药物产生了耐药性,推动了对新的治疗剂的需求.
- 机器学习和单细胞转录组学为识别药物点和预测新药提供了新的方法.
研究的目的:
- 从转录基因数据开发一个计算管道,用于从转录基因数据中识别必要的Plasmodium falciparum蛋白质.
- 预测针对已识别的关键蛋白质的新药分子.
- 发现具有理想的ADMET和药物相似性特性的主要候选药物.
主要方法:
- 利用基于相互信息的特征减少算法和分类来从Plasmodium falciparum转录数据集 (性和无性阶段) 中选择重要的蛋白质.
- 构建和分析Plasmodium falciparum蛋白质与蛋白质相互作用 (PPI) 网络,以识别重要的生存蛋白质.
- 采用深度学习技术,基于已识别的蛋白质标和结合位点进行计算药物预测.
- 过预测的药物分子用于ADMET和药物相似性.
主要成果:
- 通过PPI网络分析,通过PPI网络分析确定了对Plasmodium falciparum生存至关重要的关键蛋白质.
- 通过计算预测了一组针对这些关键蛋白质的潜在药物分子.
- 报告的药物分子显示出有利的ADMET和药物相似性概况.
结论:
- 该研究提出了一个可通用的计算管道,用于从单细胞RNA测序 (scRNA-seq) 数据中识别药物标.
- 这种方法有助于发现新型候选药物来对抗耐药疟疾.
- 确定的化合物代表了进一步抗疟疾药物开发的有希望的起点.
更多相关视频
08:23Phenotypic Analysis of Rodent Malaria Parasite Asexual and Sexual Blood Stages and Mosquito Stages
Published on: May 30, 2019
11.5K
09:13Author Spotlight: Identifying Compensatory Pathways in Malaria Parasites Containing Hypomorphic Allele of Essential Protein Kinases
Published on: November 22, 2024
1.3K
