对阿尔茨海默病的网络药物引导药物重新定位:一个多维系统药理学方法

科学领域:

• 神经科学是一个神经科学.
• 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:

• 阿尔茨海默病 (AD) 药物开发受到血脑屏障 (BBB) 的挑战和计算方法的不良整合的阻碍.
• 现有的药物发现管道努力有效地识别神经系统疾病的可行的治疗候选者.

研究的目的:

• 开发一个以中枢神经系统 (CNS) 为重点的网络医学框架,用于识别阿尔茨海默病的药物重用候选人.
• 整合基于机器学习的BBB透预测,药物可处理性和证据分类,以提高候选人优先级.

主要方法:

• 创建了一个特定于中枢神经系统的网络医学框架,结合了机器学习验证的BBB透预测 (95.7%准确率).
• 通过使用多维网络评分和药物特性评估来过和分析化合物,按模式分层 (小分子,,生物).
• 使用证据分类来评估预测的可靠性,区分机械和投机性发现.

主要成果:

• 该框架将24,474种化合物精制为8247种与中枢神经系统相关的药物,将Plerixafor确定为首选的小分子候选药物,并为类药物提供Trofinetide.
• 64.8%的小分子是高度可处理的,其中83.6%显示有利的BBB透率.
• 该方法成功识别了已知的AD药物 (记忆素,多尼佩西尔),验证了其预测性能.

结论:

• 开发的框架有效地将计算预测与AD药物发现的制药开发需求联系起来.
• 网络预测作为产生假设的工具,需要实验验证,指导临床前调查.
• 这种方法为系统的临床前研究提供了可行的优先级,以推进阿尔茨海默病干预措施.