Fugu-MT 論文翻訳(概要): Large-scale ligand-based virtual screening for SARS-CoV-2 inhibitors using deep neural networks

論文の概要: Large-scale ligand-based virtual screening for SARS-CoV-2 inhibitors using deep neural networks

arxiv url: http://arxiv.org/abs/2004.00979v3
Date: Mon, 17 Aug 2020 15:58:09 GMT
ステータス: 処理完了
システム内更新日: 2022-12-20 03:15:26.026264
Title: Large-scale ligand-based virtual screening for SARS-CoV-2 inhibitors using deep neural networks
Title（参考訳）: ディープニューラルネットワークを用いたSARS-CoV-2阻害剤の大規模リガンドによる仮想スクリーニング
Authors: Markus Hofmarcher, Andreas Mayr, Elisabeth Rumetshofer, Peter Ruch, Philipp Renz, Johannes Schimunek, Philipp Seidl, Andreu Vall, Michael Widrich, Sepp Hochreiter, G\"unter Klambauer
Abstract要約: ChemAIは、3.6M分子にわたる2億2000万以上のデータポイントをトレーニングしたディープニューラルネットワークである。我々は、CoV-2に対する好ましい効果について、ZINCデータベースから10億の分子をスクリーニングし、ランク付けした。その結果を3万の上位化合物に還元し, 容易にアクセス可能で, 購入可能となった。
参考スコア（独自算出の注目度）: 5.50889410189681
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Due to the current severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) pandemic, there is an urgent need for novel therapies and drugs. We conducted a large-scale virtual screening for small molecules that are potential CoV-2 inhibitors. To this end, we utilized "ChemAI", a deep neural network trained on more than 220M data points across 3.6M molecules from three public drug-discovery databases. With ChemAI, we screened and ranked one billion molecules from the ZINC database for favourable effects against CoV-2. We then reduced the result to the 30,000 top-ranked compounds, which are readily accessible and purchasable via the ZINC database. Additionally, we screened the DrugBank using ChemAI to allow for drug repurposing, which would be a fast way towards a therapy. We provide these top-ranked compounds of ZINC and DrugBank as a library for further screening with bioassays at https://github.com/ml-jku/sars-cov-inhibitors-chemai.
Abstract（参考訳）: 現在の重症急性呼吸器症候群ウイルス2(SARS-CoV-2)のパンデミックのため、新しい治療法や薬物が緊急に必要である。我々はCoV-2阻害物質である小分子の大規模仮想スクリーニングを行った。そこで我々は,3つの薬品発見データベースから3.6mの分子にまたがる220m以上のデータポイントで学習された深層ニューラルネットワーク「chemai」を用いた。我々はChemAIを用いて、CoV-2に対する好ましい効果のために、ZINCデータベースから10億の分子をスクリーニングし、ランク付けした。結果は、ZINCデータベースを介して容易にアクセス可能で購入可能な3万種のトップランク化合物に還元した。さらに私たちは、ChemAIを使って薬物再服用を可能にするため、薬物バンクをスクリーニングしました。我々は,ZINC および DrugBank の上位化合物を https://github.com/ml-jku/sars-cov-inhibitors-chemai

関連論文リスト

Multi-objective generative AI for designing novel brain-targeting small molecules [0.20088541799100385]
我々は多目的生成AIを用いて、薬物様のBBB透過性小分子を合成する。具体的には,ドパミン受容体D2に対する結合親和性を予測した分子を計算的に合成する。 26,581個の新規および多種多様な小分子からなるライブラリーを設計し、高い予測されたBBB透過性と良好な予測された安全性および毒性プロファイルを有するヒットを含む。
論文参考訳（メタデータ） (2024-04-16T12:57:06Z)
Drug Repurposing Targeting COVID-19 3CL Protease using Molecular Docking and Machine Learning Regression Approach [0.15346678870160887]
新型コロナウイルス(COVID-19)のパンデミックが世界的な緊急事態を宣言。 SARS-CoV-2の主プロテアーゼ3CLを標的とした5903薬剤の阻害効果を検討した。我々は、QSARモデリングに機械学習回帰手法を用いて、高い結合親和性を持つ潜在的な薬物を発見する。
論文参考訳（メタデータ） (2023-05-25T05:34:39Z)
Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文参考訳（メタデータ） (2022-12-10T03:43:23Z)
Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
論文参考訳（メタデータ） (2022-08-30T09:32:39Z)
Hybrid Approach to Identify Druglikeness Leading Compounds against COVID-19 3CL Protease [0.5076419064097732]
SARS-COV-2は正の単鎖RNAベースのマクロ分子であり、2022年6月以来630万人以上の死者を出した。このウイルスとその様々な変異体の設計と開発は不可欠である。そこで本研究では,Covid-19を治療する薬物様生物活性分子の発見に既存の治療薬を再利用する,シリカ内研究ベースのハイブリッドフレームワークを開発した。
論文参考訳（メタデータ） (2022-08-03T22:17:22Z)
SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
論文参考訳（メタデータ） (2022-06-20T14:53:25Z)
Deep Graph Convolutional Network and LSTM based approach for predicting drug-target binding affinity [0.0]
FDAが承認した薬物とSARS-CoV-2のウイルスタンパク質との結合親和性を予測できる新しいアーキテクチャを提案する。 The Combined Score, we prepared a list of the top-18 drugs with the highest binding affinity for 5 virus protein present in SARS-CoV-2。
論文参考訳（メタデータ） (2022-01-18T10:57:05Z)
SafeDrug: Dual Molecular Graph Encoders for Safe Drug Recommendations [59.590084937600764]
医薬品の分子構造とDDIのモデルを明確に活用するために、SafeDrugというDDI制御可能な薬物推奨モデルを提案する。ベンチマークデータセットでは、SafeDrugはDDIを19.43%削減し、Jaccardの推奨薬物と実際に処方された薬物の組み合わせの2.88%を改善します。
論文参考訳（メタデータ） (2021-05-05T00:20:48Z)
RetroGNN: Approximating Retrosynthesis by Graph Neural Networks for De Novo Drug Design [75.14290780116002]
我々は、再合成計画ソフトウェアの出力を近似するために、ディープグラフニューラルネットワークを訓練する。提案手法では, 薬剤的特性は良好であり, 合成が容易であるにもかかわらず, 抗生物質である可能性が示唆された分子について検討した。
論文参考訳（メタデータ） (2020-11-25T22:04:16Z)
Drug repurposing for COVID-19 using graph neural network and harmonizing multiple evidence [9.472330151855111]
ウイルスベイト,宿主遺伝子,経路,薬物,表現型間の相互作用に基づくSARS-CoV-2知識グラフを構築した。臨床治験履歴を用いて候補薬剤を優先し,遺伝子プロファイル,in vitro実験の有効性,電子健康記録で検証した。
論文参考訳（メタデータ） (2020-09-23T04:47:59Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。