在阿尔茨海默氏症的治疗中,通过对snRNA-Seq数据的理论人口规模分析进行计算性药物重定位
Sean Cottrell1,2, Seungmin Yoon3, Xiaoqi Wei1
1Department of Mathematics, Michigan State University, East Lansing, Michigan 48824, United States.
Journal of medicinal chemistry
|February 16, 2026
概括
这项研究开发了一种用于阿尔茨海默病 (AD) 药物重定向的新型模型,分析了大规模的单核RNA测序数据,以确定AD治疗的潜在候选药物.
科学领域:
- 计算生物学 计算生物学
- 神经科学是一个神经科学.
- 基因组学就是基因组学.
背景情况:
- 单细胞和单核RNA测序 (scRNA-seq/snRNA-seq) 揭示了细胞异质性,这对精确医学至关重要.
- 可持续的药物发现需要对分子机制进行人口规模分析.
研究的目的:
- 在阿尔茨海默氏症 (AD) 中引入一个顺序的向药物选择模型,用于药物重新定位.
- 使用snRNA-seq数据识别潜在的AD治疗候选药物.
主要方法:
- 从多患者,多区域的AD进展研究中分析了数十万个细胞核.
- 用于蛋白质与蛋白质相互作用 (PPI) 分析与疾病相关的差异基因表达 (DEG).
- 采用集体机器学习模型来预测可重复使用的化合物,并选它们的中枢神经系统相关的ADMET属性.
主要成果:
- 确定了AD治疗的潜在分子标.
- 创建了用于AD治疗的制药主要候选药物的列表.
结论:
- 开发的模型通过整合大规模的OMIC数据,使AD的药物重用成为可能.
- 这种方法有助于识别阿尔茨海默病的新疗法策略.


