基于计算物理化学性质和在平面人体中的实验表型分析,区分神经活性药物的类别

科学领域:

• 神经科学是一个神经科学.
• 药理学 药理学是指药理学的学科.
• 计算生物学 计算生物学

背景情况:

• 精神疾病给社会和个人带来了巨大的负担.
• 传统的药物发现方法 (in silico,in vitro HTS) 与神经精神疾病的复杂性作斗争.
• 哺乳动物行为研究对于早期药物发现阶段来说太慢,太昂贵.

研究的目的:

• 评估平面行为中等通量查 (MTS) 作为神经活性化合物分类的化学信息学的补充方法.
• 使用两个数据流将19种神经活性化合物分为功能类别 (抗精神病药物,抗焦虑药物,抗抑郁药物).
• 为了比较不同计算分类方法的性能.

主要方法:

• 利用化学信息学和平面 (Dugesia japonica) 行为 MTS.
• 采用了四种分类方法:PCoA/LDA,UMAP/LDA,人工神经网络组合和支持向量机器.
• 基于物理化学特性与平面行为数据的分类化合物.

主要成果:

• 使用物理化学性质进行分类的准确性与平面分析相当,特别是使用机器学习模型 (90-100%的准确性).
• 平面行为MTS成功识别了具有多种治疗应用的药物,提供了额外的见解.
• 这两种方法在分类神经活性化合物方面都表现出了很高的准确性.

结论:

• 平面行为MTS是一种有希望的,具有成本效益的和道德的替代品,用于早期药物发现的脊椎动物测试.
• 这种无脊椎动物模型系统补充了in silico化学信息学,增强了新型神经活性药物候选者的识别.
• 3R (精制,减少,替换) 原则是通过使用平面行为 MTS 维持的.