深度学习增强了从天然草药中开发出创新的抗氧化剂脂质体药物递送系统的开发
Xiaohe Zhang1, Zhihang Zheng1, Lina Xie2
1Bioscience and Biomedical Engineering Thrust, The Hong Kong University of Science and Technology (Guangzhou), Nansha, Guangzhou 511400, China. junwuhkust@ust.hk.
这项研究引入了一种深度学习模型,用于识别天然抗氧化剂,以对抗氧化应激和衰老. 该模型成功选了草药化合物,其中选择的抗氧化剂改善了生物可用性并减少了体内伤害.
科学领域:
- 生物化学 生物化学
- 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:
- 自由基的氧化损伤有助于细胞衰老.
- 抗氧化剂中和反应性氧物种 (ROS),减轻细胞损伤.
- 传统的草药提供了具有抗氧化能力的多种生物活性化合物.
研究的目的:
- 开发和验证深度学习框架,用于选天然抗氧化化合物.
- 评估已识别的抗氧化剂在减轻氧化应激和提高生物可用性的有效性.
- 研究通过脂质体输送的抗氧化化合物的治疗潜力.
主要方法:
- 一个基于BERT的两阶段深度学习模型被训练在已知的抗氧化剂和非活性化合物上.
- 该模型选了2882种天然草药化合物的库.
- 分子对接,体外测试和体内研究 (缺血/再输血模型) 用于验证.
主要成果:
- 深度学习模型的准确性比传统的机器学习方法提高了20%左右.
- 选择的天然化合物显示出显著的抗氧化能力.
- 化合物的脂质体输送增强了体内生物可用性,并通过高调节抗氧化基因和清除ROS减少了损伤.
结论:
- 深度学习为从自然来源发现新型抗氧化化合物提供了一种有效的方法.
- 工程化脂肪体输送系统可以提高抗氧化剂的治疗效果.
- 这种综合性方法有望发展抗氧化应激和衰老的干预措施.
更多相关视频
11:44Cellular Membrane Affinity Chromatography Columns to Identify Specialized Plant Metabolites Interacting with Immobilized Tropomyosin Kinase Receptor B
Published on: January 19, 2022
08:18Self-Nanoemulsification of Healthy Oils to Enhance the Solubility of Lipophilic Drugs
Published on: July 27, 2022
相关概念视频
Bioavailability Enhancement: Drug Solubility Enhancement
Bioavailability Enhancement: Drug Permeability Enhancement
Bioavailability Enhancement: Drug Stability Enhancement and GI Retention
Modified-Release Drug Delivery Systems: Site-Targeted
Oral Drug Delivery Systems: Introduction
Oral Drug Delivery Systems: Delayed-Release Systems
