从基于表型的查中进行目标解卷的新方法,使用知识图
Xiaohong Wang1, Meifang Zhang2, Jianliang Xu3
1Shandong Foreign Trade Vocational College, Qingdao, 266100, China.
Scientific reports
|January 18, 2025
概括
这项研究介绍了一种使用知识图和分子对接来有效识别药物点的AI驱动系统. 它成功地确定了USP7作为p53通路激活器的目标,简化了药物发现.
科学领域:
- 药理学和药物发现
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 药物标的解是至关重要的,但对传统和人工智能方法来说具有挑战性.
- 由于p53通路的复杂性,因此难以确定有效的激活剂.
- 目前的查策略 (基于目标和基于表型) 在效率和机制洞察力方面存在局限性.
研究的目的:
- 开发一个集成的系统,以有效地实现药物目标的脱离.
- 利用知识图和人工智能来识别新型药物标.
- 为了简化反向准药物发现的过程.
主要方法:
- 构建一个蛋白质-蛋白质相互作用知识图 (PPIKG).
- 人工智能 (AI) 与分子对接技术的整合.
- 应用PPIKG来过候选蛋白质和随后的分子对接以验证目标.
主要成果:
- 使用PPIKG将候选蛋白从1088减少到35,节省了大量的时间和成本.
- 通过分子对接,USP7被确定为p53通路激活器UNBS5162的直接目标.
- 证明了综合系统在加速药物标识的有效性.
结论:
- 知识图和人工智能集成提供了一种强大的方法来克服药物向解密的挑战.
- 开发的系统显著提高了反向向药物发现的速度和效率.
- 这种多学科的方法有可能彻底改变药物查和药理学研究.
更多相关视频
09:33Author Spotlight: Finding New Therapeutic Targets for Malignant Peripheral Nerve Sheath Tumor Through Genome-Scale shRNA Screens
Published on: August 25, 2023
1.1K
09:21Author Spotlight: Generating Neuronal Phenotypic Profiles - A Protocol to Culture and Image Human Midbrain Dopaminergic Neurons
Published on: July 7, 2023
1.4K
