MegaEye:应用多种机器学习方法来识别具有眼部生物活性的口服化合物

科学领域:

• 眼科和计算化学的眼科.
• 药物发现和开发 药物发现和开发
• 生物医学信息学 生物医学信息学

背景情况:

• 眼睛具有生理障碍,阻碍眼部疾病的口服药物输送.
• 预测一个分子穿越眼障碍的能力对于治疗疗效至关重要.
• 目前,用于预测眼部药物生物活性的机器学习应用尚未得到充分探索.

研究的目的:

• 策划数据集并开发机器学习模型,用于预测口服后眼部药物透率.
• 通过口服输送确定潜在的候选药物用于治疗眼部疾病.
• 探索大型语言模型在对眼睛活动自然化合物的排名中的实用性.

主要方法:

• 数据集的策划,包括分子特性,血脑屏障MPO得分和血视网膜屏障代理.
• 机器学习模型的开发和验证,使用FDA批准的药物报告眼部活动.
• 应用大型语言模型,对超过40万种自然化合物进行潜在的眼睛活动排名.

主要成果:

• 成功策划了各种数据集,以训练眼部药物输送的预测模型.
• 验证的机器学习模型能够识别具有潜在眼睛活动的分子.
• 根据其预测的眼部生物活性,确定并对大量自然化合物进行了排名.

结论:

• 机器学习为预测眼部药物透率和识别新型治疗候选人提供了一个有希望的途径.
• 开发的模型和方法可以扩展到更广泛的眼部应用,包括药物重新利用.
• 这项研究证明了计算方法的潜力,可以加速发现治疗眼睛疾病的方法.