使用机器学习的DrugBank挖矿揭示了BCL-2抑制的新型候选者
Juwon Park1, Soyoung Cho1, Hyundo Lee1
1College of Pharmacy , Dongduk Women's University , 02748, Seoul, South Korea.
Scientific reports
|January 16, 2026
概括
机器学习发现了用于癌症治疗的新型BCL-2抑制剂. 这种方法有助于发现针对编程细胞死亡 (细胞亡) 途径的新药,从而有可能改善癌症治疗结果.
科学领域:
- 生物化学 生物化学
- 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:
- 细胞亡,或编程细胞死亡,对于发育和恒温至关重要.
- 控制亡的BCL-2家族蛋白质的失调与瘤形成有关.
- 现有的小分子BCL-2抑制剂具有有限的临床疗效,需要新的发现方法.
研究的目的:
- 采用机器学习策略来识别BCL-2蛋白的新型抑制剂.
- 为了利用药物重新定位来发现有效的抗丧疗法.
主要方法:
- 来自ChEMBL数据库的精选的BCL-2配体活性数据.
- 训练和评估了多种分类模型,其中LightGBM表现出卓越的性能.
- 利用优化的LightGBM模型在DrugBank数据库中预测BCL-2抑制剂.
主要成果:
- 在七个测试的算法中,LightGBM模型表现出了最高的性能.
- 从DrugBank数据库中确定了两个新型BCL-2抑制剂候选者Opelconazole和Zongertinib.
- 该研究成功地应用了机器学习来重新定位药物,以找到潜在的抗癌剂.
结论:
- 基于机器学习的药物重新定位是发现有效BCL-2抑制剂的可行策略.
- 已识别的化合物可能有助于推进针对性抗断性癌症疗法的开发.
- 这种方法有望加速发现各种疾病的新疗法.
