通过机器学习大数据驱动的目标识别:DRD2作为牛皮的治疗目标.

科学领域:

• 生物医学研究生物医学研究
• 计算生物学 计算生物学
• 药理学 药理学是指药理学的学科.

背景情况:

• 由于缺乏新的治疗点,传统药物发现面临挑战.
• 制药研究停滞不前,需要创新的方法来确定新的治疗策略.

研究的目的:

• 开发一种基于机器学习 (ML) 的系统,用于预测疾病的治疗点分子.
• 通过应用ML系统来验证ML系统的实用性,以确定牛皮的新型治疗策略.

主要方法:

• 利用大型临床数据库计算疾病预防药物的报告概率比率.
• 分析化学结构数据库以识别与预防药物候选物相关的标蛋白.
• 在牛皮小鼠模型中实验验验证了预测的治疗候选者.

主要成果:

• ML预测确定了帕金森病药物作为潜在的牛皮预防剂.
• 多巴胺受体D2 (DRD2) 被强调为一个关键的治疗点.
• 在小鼠中,使用DRD2激动剂缓解了牛皮的症状,降低了IL-17的调节,并减少了瘤亡因子-α.

结论:

• ML系统成功地确定了DRD2在牛皮中的作用,证明了它对治疗点发现的有用性.
• 这种方法具有广泛的潜力,可以在各种疾病中发现疾病机制和目标.