使用化学信息学引导的机器学习算法识别自然化合物中CXCR4抑制活性

科学领域:

• 神经科学是一个神经科学.
• 计算化学的计算化学
• 药理学 药理学是指药理学的学科.

背景情况:

• 像阿尔茨海默氏症和帕金森症这样的神经退行性疾病涉及渐进的神经元损伤,目前的治疗只能控制症状.
• 之前的研究发现了在阿尔茨海默病 (AD) 和帕金森病 (PD) 患者中CXC动机化学受体4 (CXCR4) 的上调.

研究的目的:

• 使用化学信息学引导的机器学习识别具有潜在CXCR4抑制活性的天然化合物.
• 帮助神经退行性疾病的药物发现过程,特别是AD和PD.
• 利用人工智能和机器学习来识别新的治疗线索.

主要方法:

• 利用来自绑定数据库的已知CXCR4活性化合物的机器学习模型进行训练.
• 从COCONUT数据库中分析了自然化合物的物理化学属性.
• 采用化学信息学和机器学习算法来预测CXCR4抑制活性.

主要成果:

• 该研究成功开发了一种机器学习模型,用于预测天然化合物的CXCR4抑制活性.
• 确定了潜在的天然化合物,以便进一步研究作为治疗神经退行性疾病的治疗剂.
• 证明了AI/ML在加速复杂疾病的药物发现方面的有效性.

结论:

• 人工智能和机器学习是识别神经退行性疾病潜在药物候选者的强大工具.
• 自然化合物对调节CXCR4具有前途,并提供生物相容的治疗选择.
• 跨学科的合作对于推进药物发现管道至关重要.