論文の概要: Towards Better Opioid Antagonists Using Deep Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2004.04768v1
- Date: Thu, 26 Mar 2020 15:28:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 20:56:58.417294
- Title: Towards Better Opioid Antagonists Using Deep Reinforcement Learning
- Title(参考訳): 深層強化学習によるオピオイドアンタゴニストの改善に向けて
- Authors: Jianyuan Deng, Zhibo Yang, Yao Li, Dimitris Samaras, Fusheng Wang
- Abstract要約: オピオイド・アンタゴニストであるナロキソンは、オピオイド感染の主な死因であるオピオイドの過剰摂取から命を救うために広く用いられている。
しかし、ナロキソンは脳の保持能力が短く、治療効果が制限される。
我々は,物理化学的および生物学的特性が望ましい分子への効率的な勾配に基づく探索を可能にする強化学習を採用する。
- 参考スコア(独自算出の注目度): 33.450443087525436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Naloxone, an opioid antagonist, has been widely used to save lives from
opioid overdose, a leading cause for death in the opioid epidemic. However,
naloxone has short brain retention ability, which limits its therapeutic
efficacy. Developing better opioid antagonists is critical in combating the
opioid epidemic.Instead of exhaustively searching in a huge chemical space for
better opioid antagonists, we adopt reinforcement learning which allows
efficient gradient-based search towards molecules with desired physicochemical
and/or biological properties. Specifically, we implement a deep reinforcement
learning framework to discover potential lead compounds as better opioid
antagonists with enhanced brain retention ability. A customized multi-objective
reward function is designed to bias the generation towards molecules with both
sufficient opioid antagonistic effect and enhanced brain retention ability.
Thorough evaluation demonstrates that with this framework, we are able to
identify valid, novel and feasible molecules with multiple desired properties,
which has high potential in drug discovery.
- Abstract(参考訳): オピオイドアンタゴニストであるナロキソンは、オピオイドの流行で死因となったオピオイドの過剰摂取から命を救うために広く使われている。
しかし、ナロキソンは脳の保持能力が短く、治療効果が制限される。
優れたオピオイド・アンタゴニストの開発はオピオイドの流行対策に不可欠であり,優れたオピオイド・アンタゴニストのための巨大な化学空間内を徹底的に探索する代わりに,物理化学的および/または生物学的特性が要求される分子に対する効率的な勾配に基づく探索を可能にする強化学習を採用する。
具体的には,脳の保持能力を増強した優れたオピオイドアンタゴニストとして,潜在的な鉛化合物を発見するための深層強化学習フレームワークを実装した。
カスタマイズされた多目的報酬関数は、十分なオピオイドアンタゴニスト効果と脳保持能力の両方を持つ分子に対して生成をバイアスするように設計されている。
より詳細な評価は、この枠組みにより、医薬品発見の可能性が高い複数の望ましい性質を持つ有効で新規で実現可能な分子を同定できることを示した。
関連論文リスト
- Identifying Self-Disclosures of Use, Misuse and Addiction in
Community-based Social Media Posts [27.47379971424582]
医療用, 誤用, 添加, 回復用, 再発用, 使用しない6種類のオピオイド使用の異なるサブレディットから2500件のオピオイド関連記事のコーパスを提出した。
すべての投稿において、我々は、スパンレベルの抽出的説明を注釈付けし、アノテーションの品質とモデル開発の両方において、それらの役割を決定的に研究します。
モデリングにおける説明の活用は,オピオイド乱用障害連続体の研究などの高用量領域において,その有効性を示す分類精度を著しく向上させることがわかった。
論文 参考訳(メタデータ) (2023-11-15T16:05:55Z) - Multi-objective Molecular Optimization for Opioid Use Disorder Treatment
Using Generative Network Complex [5.33208055504216]
オピオイド・ユース障害(OUD)が世界的な健康問題として浮上している。
本研究では,微分方程式(SDE)に基づく拡散モデルと事前学習された自己エンコーダモデルの潜在空間を結合した深部生成モデルを提案する。
分子発生器は、複数の標的に有効である分子の効率的な生成を可能にする。
論文 参考訳(メタデータ) (2023-06-13T01:12:31Z) - Proteome-informed machine learning studies of cocaine addiction [3.9773193793068997]
コカイン中毒は物質使用障害の大部分を占め、世界中で数百万人の命が脅かされている。
過去数十年にわたる大規模な取り組みにもかかわらず、FDA(食品医薬品局)による医薬品の承認は行われていない。
プロテオームインフォームド機械学習/ディープラーニング(ML/DL)プラットフォームを提案する。
論文 参考訳(メタデータ) (2021-09-17T18:58:24Z) - Patterns of Routes of Administration and Drug Tampering for Nonmedical
Opioid Consumption: Data Mining and Content Analysis of Reddit Discussions [0.0]
我々は、半自動情報検索アルゴリズムを用いて、非医療オピオイド消費について議論するサブレディットを同定した。
我々は,物質や投与経路の選好をモデル化し,その頻度と時間的展開を推定した。
フェンタニルパッチを噛んだり、ブプレノルフィンを舌下から溶かすなどの乱用行動の証拠が発見された。
論文 参考訳(メタデータ) (2021-02-22T18:14:48Z) - 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) - MolDesigner: Interactive Design of Efficacious Drugs with Deep Learning [61.74958429818077]
MolDesignerは、ドラッグ開発者のためのヒューマン・イン・ザ・ループ・ウェブ・ユーザ・インタフェース(UI)である。
開発者は、インターフェイスに薬物分子を描画することができる。
バックエンドでは、17以上の最先端のDLモデルが、薬物の有効性に不可欠な重要な指標の予測を生成する。
論文 参考訳(メタデータ) (2020-10-05T21:25:25Z) - Learning for Dose Allocation in Adaptive Clinical Trials with Safety
Constraints [84.09488581365484]
新しい化合物の有効性と毒性の関係がより複雑になるにつれて、第1相線量測定試験はますます困難になっている。
最も一般的に使われている方法は、毒性事象のみから学習することで、最大許容量(MTD)を特定することである。
本稿では, 毒性安全性の制約を高い確率で満たしつつ, 累積効果を最大化することを目的とした, 適応型臨床試験手法を提案する。
論文 参考訳(メタデータ) (2020-06-09T03:06:45Z) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳(メタデータ) (2020-05-22T15:57:58Z) - Learning To Navigate The Synthetically Accessible Chemical Space Using
Reinforcement Learning [75.95376096628135]
ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。
このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。
本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
論文 参考訳(メタデータ) (2020-04-26T21:40:03Z) - Application and Assessment of Deep Learning for the Generation of
Potential NMDA Receptor Antagonists [0.0]
N-メチルD-アスパラギン酸受容体(NMDAR)の非競合的なアンタゴニストは、パーキンソン病やアルツハイマー病などの神経疾患の治療において、治療効果を示す。
また、不正薬物の合成に繋がる解離作用を引き起こすこともある。
したがって,NMDARアンタゴニストをシリコで生成する能力は,新薬開発と新規デザイナー薬のプリエンプション,同定に有用である。
論文 参考訳(メタデータ) (2020-03-31T16:41:18Z)
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。