Fugu-MT 論文翻訳(概要): Machine-Learning Driven Drug Repurposing for COVID-19

論文の概要: Machine-Learning Driven Drug Repurposing for COVID-19

arxiv url: http://arxiv.org/abs/2006.14707v1
Date: Thu, 25 Jun 2020 21:18:53 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 03:50:03.246460
Title: Machine-Learning Driven Drug Repurposing for COVID-19
Title（参考訳）: 機械学習によるcovid-19対策
Authors: Semih Cant\"urk, Aman Singh, Patrick St-Amant, Jason Behrmann
Abstract要約: ニューラルネットワークモデルを用いてウイルスタンパク質と抗ウイルス療法の関連性を明らかにすることを目的とする。我々は、ウイルスタンパク質配列を入力として、抗ウイルス剤を出力として、ANNモデルを訓練した。 SARS-CoV-2の配列を訓練されたモデルへの入力として使用すると、COVID-19の治療のための暫定的な安全なヒトの抗ウイルス候補が生成される。
参考スコア（独自算出の注目度）: 0.47791962198275073
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The integration of machine learning methods into bioinformatics provides particular benefits in identifying how therapeutics effective in one context might have utility in an unknown clinical context or against a novel pathology. We aim to discover the underlying associations between viral proteins and antiviral therapeutics that are effective against them by employing neural network models. Using the National Center for Biotechnology Information virus protein database and the DrugVirus database, which provides a comprehensive report of broad-spectrum antiviral agents (BSAAs) and viruses they inhibit, we trained ANN models with virus protein sequences as inputs and antiviral agents deemed safe-in-humans as outputs. Model training excluded SARS-CoV-2 proteins and included only Phases II, III, IV and Approved level drugs. Using sequences for SARS-CoV-2 (the coronavirus that causes COVID-19) as inputs to the trained models produces outputs of tentative safe-in-human antiviral candidates for treating COVID-19. Our results suggest multiple drug candidates, some of which complement recent findings from noteworthy clinical studies. Our in-silico approach to drug repurposing has promise in identifying new drug candidates and treatments for other viruses.
Abstract（参考訳）: 機械学習の手法をバイオインフォマティクスに統合することは、ある文脈において治療がいかに効果的であるかを特定する上で、未知の臨床的文脈や新しい病理学に対する有用性を与える。我々は,ニューラルネットワークモデルを用いて,ウイルスタンパクと抗ウイルス療法との関連を明らかにすることを目的とした。バイオテクノロジー情報タンパク質データベースであるnational center for biotechnology information virus protein databaseと、bsaas(broad-spectrum antiviral agents)とそれらの阻害するウイルスの包括的報告を提供する drugvirus database を用いて、ウイルスタンパク質配列を入力としてannモデルを訓練し、安否判定する抗ウイルス剤を出力として訓練した。モデルトレーニングはSARS-CoV-2タンパク質を除外し、第II相、第III相、第IV相、承認されたレベルドラッグのみを含む。訓練されたモデルへの入力としてSARS-CoV-2(COVID-19を引き起こすウイルス)のシーケンスを使用することで、COVID-19の治療のための暫定的なセーフ・イン・ヒューマン・アンチウイルス候補の出力を生成する。以上の結果から,複数の薬剤候補が示唆され,その一部は最近の臨床研究の成果を補完するものである。当社のin-silicoアプローチは、新しい薬剤候補を特定し、他のウイルスに対する治療を行うことを約束しています。

関連論文リスト

Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文参考訳（メタデータ） (2023-04-24T08:17:16Z)
VDDB: a comprehensive resource and machine learning platform for antiviral drug discovery [3.49680989341015]
ウイルス感染は人間の健康を脅かす主要な病気の1つである。オープンアクセス型抗ウイルス薬資源と機械学習プラットフォーム(VDDB)について紹介した。 VDDBは848の臨床的ワクチン、199の臨床的抗体、SARS-CoV-2を含む39の医療上重要なウイルスを標的とする710,000以上の小さな分子を誇示している。
論文参考訳（メタデータ） (2022-09-17T09:02:46Z)
COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文参考訳（メタデータ） (2022-04-24T07:38:37Z)
Accelerating Inhibitor Discovery for Multiple SARS-CoV-2 Targets with a Single, Sequence-Guided Deep Generative Framework [47.14853881703749]
我々は、新規な薬物様阻害剤分子の発見に向けた、単一の深層生成機構の広範な有用性を実証する。このフレームワークは、ターゲット認識設計を行うために、生成モデルから新規分子をターゲットシーケンス条件でサンプリングする。最も強力なスパイクRBD阻害剤は、SARS-CoV-2変異株に対して幅広いスペクトル活性を有する稀な非共有結合型抗ウイルス剤として出現した。
論文参考訳（メタデータ） (2022-04-19T17:59:46Z)
Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文参考訳（メタデータ） (2022-02-08T09:42:08Z)
A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文参考訳（メタデータ） (2021-08-07T15:08:15Z)
DEEMD: Drug Efficacy Estimation against SARS-CoV-2 based on cell Morphology with Deep multiple instance learning [8.716655008588361]
sars-cov-2に対する臨床応用に有効な化合物の同定を促進する。 deemdは、複数のインスタンス学習フレームワークでディープニューラルネットワークモデルを使用する計算パイプラインである。 DEEMDはRemdesivirやAloxistatinなどのSARS-CoV-2阻害剤を同定し、我々のアプローチの有効性を裏付ける。
論文参考訳（メタデータ） (2021-05-10T20:38:34Z)
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)
PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-27T11:30:15Z)
Repurpose Open Data to Discover Therapeutics for COVID-19 using Deep Learning [22.01390057543923]
新型コロナウイルスの感染拡大を受け、感染者は85万人以上、死者は4万8000人を超えた。現在、新型コロナウイルスに対する有効な薬は存在していない。本研究は、新型コロナウイルスの治療薬を同定する統合的ネットワークベースのディープラーニング手法を報告した。
論文参考訳（メタデータ） (2020-05-21T16:02:29Z)
Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。