药物诱导基因表达排名分析 (DIGERA) 的开发及其应用于多 (ADP-Ribose) 聚合酶1抑制剂的虚拟查

科学领域:

• 计算化学是一种计算化学.
• 药理学 药理学是指药理学的学科.
• 生物信息学是一种生物信息学.

背景情况:

• 了解药物向相互作用是药物发现和精准医学的关键.
• 使用基因表达的基于表型的药物发现是有效的,但受到实验成本的限制.
• 预测药物诱导的基因表达特征计算是大规模查所需的.

研究的目的:

• 开发一个计算框架,DIGERA,用于预测药物诱导的基因表达排名.
• 创建新的数值特征,以提高跨细胞系的预测准确性.
• 将DIGERA应用于潜在药物化合物的新设计,特别是PARP1抑制剂.

主要方法:

• 使用LINCS L1000数据开发DIGERA,这是一个基于Lasso的集合框架.
• 为化学品,细胞系和实验条件创建了新的数值特征.
• 集成的DIGERA与代微调用于新的药物设计.

主要成果:

• 与基线模型 (F1@K指标) 相比,DIGERA在预测基因表达排名方面表现出卓越的性能.
• 该框架成功预测了10种具有有利药物效应的PARP1抑制剂.
• 建议的9种化合物是新兴的,其中6种类型与PARP1抑制有关.

结论:

• DIGERA通过新的功能和集合学习来提高模型的性能和稳定性.
• 该框架有效地帮助对新型PARP1抑制剂进行虚拟查.
• DIGERA显示出加速药物发现和开发的巨大潜力.