生物信息学和深度学习方法发现食物来源的活性成分,用于阿尔茨海默病治疗

科学领域:

• 计算生物学和生物信息学
• 神经科学和衰老研究研究.
• 药理学和药物发现

背景情况:

• 预防阿尔茨海默病 (AD) 是老龄化人口面临的一个重大挑战.
• 来自食物来源的天然化合物 (NC) 是AD的潜在治疗剂.
• 识别有效的NC需要先进的分析方法.

研究的目的:

• 为了确定具有治疗阿尔茨海默病 (AD) 治疗潜力的天然化合物 (NC).
• 为了全面评估,利用与生物信息学集成的深度神经分析方法.
• 用分子对接和体外实验来验证计算预测.

主要方法:

• 在化学数据库上使用生物信息学集成的深度神经分析 (BioDeepNat).
• 使用随机森林回归来预测与AD相关的蛋白质 (AChE, APP, BACE1, MAPT, PSEN1, TNF-α, VCP) 相比的联体IC50值.
• 通过分子对接 (Autodock Vina) 和PC12细胞的体外测试验证实了预测.

主要成果:

• 确定了166种对AD目标具有潜在影响的天然化合物 (NC),显示出高回忆率.
• 最重要的食物来源包括黑核桃,红杉,生,无花果,玉米和胡.
• 高活性化合物 (阿斯特拉加林,二米瑞,氨酸) 和中活性化合物 (卢托林) 改善了细胞存活率,并在体外减少了炎症标志物.

结论:

• 将生物信息学和深度神经网络结合起来,有效地加速了用于AD干预的新型食品衍生NC的发现.
• 该研究确定了特定的NC及其食物来源,这些食物对阿尔茨海默氏症有着有前途的治疗潜力.
• 这些发现支持开发饮食策略和基于天然产品的治疗方法,以预防AD.