Fugu-MT 論文翻訳(概要): Deep Graph Convolutional Network and LSTM based approach for predicting drug-target binding affinity

論文の概要: Deep Graph Convolutional Network and LSTM based approach for predicting drug-target binding affinity

arxiv url: http://arxiv.org/abs/2201.06872v1
Date: Tue, 18 Jan 2022 10:57:05 GMT
ステータス: 処理完了
システム内更新日: 2022-01-19 18:30:37.083032
Title: Deep Graph Convolutional Network and LSTM based approach for predicting drug-target binding affinity
Title（参考訳）: ディープグラフ畳み込みネットワークとLSTMによる薬物標的結合親和性予測
Authors: Shrimon Mukherjee, Madhusudan Ghosh, Partha Basuchowdhuri
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Development of new drugs is an expensive and time-consuming process. Due to the world-wide SARS-CoV-2 outbreak, it is essential that new drugs for SARS-CoV-2 are developed as soon as possible. Drug repurposing techniques can reduce the time span needed to develop new drugs by probing the list of existing FDA-approved drugs and their properties to reuse them for combating the new disease. We propose a novel architecture DeepGLSTM, which is a Graph Convolutional network and LSTM based method that predicts binding affinity values between the FDA-approved drugs and the viral proteins of SARS-CoV-2. Our proposed model has been trained on Davis, KIBA (Kinase Inhibitor Bioactivity), DTC (Drug Target Commons), Metz, ToxCast and STITCH datasets. We use our novel architecture to predict a Combined Score (calculated using Davis and KIBA score) of 2,304 FDA-approved drugs against 5 viral proteins. On the basis of the Combined Score, we prepare a list of the top-18 drugs with the highest binding affinity for 5 viral proteins present in SARS-CoV-2. Subsequently, this list may be used for the creation of new useful drugs.
Abstract（参考訳）: 新しい薬の開発は高価で時間のかかるプロセスである。世界中でSARS-CoV-2が流行しているため、SARS-CoV-2用の新薬をできるだけ早く開発することが不可欠である。薬物の再利用技術は、既存のfda承認薬物の一覧と、新しい疾患に対処するためにそれらを再利用する特性を調べることによって、新しい薬の開発に要する時間を短縮することができる。本稿では,FDA承認薬物とSARS-CoV-2のウイルスタンパク質との結合親和性を予測し,グラフ畳み込みネットワークとLSTMに基づく新しいアーキテクチャであるDeepGLSTMを提案する。提案したモデルは、Davis, KIBA (Kinase Inhibitor Bio Activity), DTC (Drug Target Commons), Metz, ToxCast, STITCHデータセットでトレーニングされている。新規なアーキテクチャを用いて、5つのウイルスタンパク質に対して2,304のFDA承認薬物の複合スコア(DavisとKIBAスコアを用いた計算)を予測する。組み合わせスコアに基づいて,sars-cov-2に存在する5つのウイルスタンパク質の結合親和性が最も高いトップ18薬のリストを作成した。その後、このリストは、新しい有用な薬物の作成に使用できる。

関連論文リスト

A Cross-Field Fusion Strategy for Drug-Target Interaction Prediction [85.2792480737546]
既存の方法は、DTI予測中にグローバルなタンパク質情報を利用することができない。ローカルおよびグローバルなタンパク質情報を取得するために、クロスフィールド情報融合戦略が採用されている。 SiamDTI予測法は、新規薬物や標的に対する他の最先端(SOTA)法よりも高い精度を達成する。
論文参考訳（メタデータ） (2024-05-23T13:25:20Z)
Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文参考訳（メタデータ） (2023-01-14T15:07:43Z)
Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文参考訳（メタデータ） (2022-10-11T16:07:52Z)
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)
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)
Evening the Score: Targeting SARS-CoV-2 Protease Inhibition in Graph Generative Models for Therapeutic Candidates [11.853524110656991]
SARS-CoV-2ウイルスタンパク質を標的とした新規薬物候補の治療法設計について検討する。抗SARS活性を持つ薬物のデータセットに類似した構造を持つ分子を生成するオートエンコーダを用いる。生成過程において、薬物類似性、合成アクセシビリティ、および抗SARS活性のバランスをとるために、いくつかの設計目標に対する最適化を検討する。
論文参考訳（メタデータ） (2021-05-07T18:39:25Z)
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)
Genetic Constrained Graph Variational Autoencoder for COVID-19 Drug Discovery [0.0]
そこで本研究では,GCGVAE (Genematic Constrained Graph Variational Autoencoder) と呼ばれる新しいモデルを提案する。 SARS、HIV、Hep3、MERSなど、さまざまなウイルスのタンパク質構造のデータに基づいてモデルをトレーニングし、SARS-CoV-2の可能な薬物を生成するために使用しました。生成分子はSARS-CoV-2を阻害する効果が高い。
論文参考訳（メタデータ） (2021-04-23T16:10:15Z)
Dr-COVID: Graph Neural Networks for SARS-CoV-2 Drug Repurposing [14.112444998191698]
我々は、Dr-COVIDと呼ばれる、GNNに基づく薬物再資源化モデルを提案する。 Dr-COVIDは、その予測性能と、既知の疾患の治療薬をできるだけ高いレベルにランク付けする能力で評価されている。
論文参考訳（メタデータ） (2020-12-03T18:34:10Z)
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)
Network Medicine Framework for Identifying Drug Repurposing Opportunities for COVID-19 [6.7410870290301]
現在のパンデミックは、SARS-CoV-2感染の潜在的な効果のために、迅速かつ確実に臨床承認された化合物を優先順位付けできる方法の必要性を強調している。ここでは,人工知能,ネットワーク拡散,ネットワーク近接に頼ったアルゴリズムをデプロイし,SARS-CoV-2に対する効果を期待して,それぞれ6,340の薬物をランク付けする。ほとんどのアルゴリズムは、これらの基底真理データに対して予測力を提供するが、すべてのデータセットやメトリクスに対して一貫した信頼性のある結果を提供する方法は存在しない。
論文参考訳（メタデータ） (2020-04-15T17:40:29Z)

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。