Fugu-MT 論文翻訳(概要): Hybrid Approach to Identify Druglikeness Leading Compounds against COVID-19 3CL Protease

論文の概要: Hybrid Approach to Identify Druglikeness Leading Compounds against COVID-19 3CL Protease

arxiv url: http://arxiv.org/abs/2208.06362v3
Date: Wed, 24 Aug 2022 09:25:25 GMT
ステータス: 処理完了
システム内更新日: 2022-08-28 22:29:38.244115
Title: Hybrid Approach to Identify Druglikeness Leading Compounds against COVID-19 3CL Protease
Title（参考訳）: 抗covid-193clプロテアーゼ薬様物質同定のためのハイブリッドアプローチ
Authors: Imra Aqeel and Abdul Majid
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.5076419064097732
License: http://creativecommons.org/licenses/by/4.0/
Abstract: SARS-COV-2 is a positive single-strand RNA-based macromolecule that has caused the death of more than 6.3 million people since June 2022. Moreover, by disturbing global supply chains through lockdown, the virus has indirectly caused devastating damage to the global economy. It is vital to design and develop drugs for this virus and its various variants. In this paper, we developed an in-silico study-based hybrid framework to repurpose existing therapeutic agents in finding drug-like bioactive molecules that would cure Covid-19. We employed the Lipinski rules on the retrieved molecules from the ChEMBL database and found 133 drug-likeness bioactive molecules against SARS coronavirus 3CL Protease. Based on standard IC50, the dataset was divided into three classes active, inactive, and intermediate. Our comparative analysis demonstrated that the proposed Extra Tree Regressor (ETR) based QSAR model has improved prediction results related to the bioactivity of chemical compounds as compared to Gradient Boosting, XGBoost, Support Vector, Decision Tree, and Random Forest based regressor models. ADMET analysis is carried out to identify thirteen bioactive molecules with ChEMBL IDs 187460, 190743, 222234, 222628, 222735, 222769, 222840, 222893, 225515, 358279, 363535, 365134 and 426898. These molecules are highly suitable drug candidates for SARS-COV-2 3CL Protease. In the next step, the efficacy of bioactive molecules is computed in terms of binding affinity using molecular docking and then shortlisted six bioactive molecules with ChEMBL IDs 187460, 222769, 225515, 358279, 363535, and 365134. These molecules can be suitable drug candidates for SARS-COV-2. It is anticipated that the pharmacologist/drug manufacturer would further investigate these six molecules to find suitable drug candidates for SARS-COV-2. They can adopt these promising compounds for their downstream drug development stages.
Abstract（参考訳）: 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630万人以上が死亡した。さらに、ロックダウンを通じて世界的なサプライチェーンを乱すことで、間接的に世界経済に壊滅的な被害をもたらした。このウイルスとその様々な変異体のための薬物の設計と開発が不可欠である。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。我々はChEMBLデータベースから抽出した分子にLipinskiの規則を適用し,SARSウイルス3CLプロテアーゼに対して133の薬物様生物活性分子を発見した。標準IC50に基づいて、データセットはアクティブ、非アクティブ、中間の3つのクラスに分けられた。比較分析の結果,提案したETRベースQSARモデルでは,化学化合物の生物活性に関する予測結果が,グラディエントブースティング,XGBoost,サポートベクター,決定木,ランダムフォレストベース回帰モデルと比較された。 ADMET分析により、ChEMBL ID187460, 190743, 222234, 222628, 222735, 222769, 222840, 222893, 225515, 358279, 363535, 365134, 426898の13個の生物活性分子を同定した。これらの分子はSARS-COV-2 3CLプロテアーゼに非常に適した薬物候補である。次のステップでは、生物活性分子の有効性を分子ドッキングを用いて結合親和性を用いて計算し、ChEMBL ID 187460, 222769, 225515, 358279, 363535, 365134で6つの生物活性分子をショートリスト化した。これらの分子はSARS-COV-2の薬物候補に適している。 SARS-COV-2に適した薬物候補を見つけるために、薬理学/薬物製造者がこれらの6つの分子をさらに調査することが期待されている。これらの有望な化合物を下流の薬物開発段階に採用することができる。

関連論文リスト

To Explore the Potential Inhibitors against Multitarget Proteins of COVID 19 using In Silico Study [0.0]
新型コロナウイルスの感染拡大に伴う世界的なパンデミックは、未解決の公衆衛生危機を招いた。分子ドッキングと機械学習レグレッションを組み合わせた治療薬の探索を行った。我々は、-19.7 kcal/molから-12.6 kcal/molの範囲で、それぞれZINC (3873365, 85432544, 8214470, 85536956, 261494640) を含む新規な5種類の阻害薬を提案した。
論文参考訳（メタデータ） (2024-09-24T22:19:56Z)
Generative Active Learning for the Search of Small-molecule Protein Binders [87.106635995213]
我々は、合成可能な分子を探索するための生成能動的学習アプローチであるLambdaZeroを紹介する。 LambdaZeroは、望まれる性質を持つ候補を見つけるために、分子の広大な空間を探索することを学ぶ。我々はLambdaZeroに分子ドッキングを施し、エポキシドヒドロラーゼ2(sEH)を阻害する新しい小さな可溶性分子を設計する。 LambdaZeroはsEHの合成可能な薬物様阻害剤の新たな足場を発見する。
論文参考訳（メタデータ） (2024-05-02T16:39:21Z)
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)
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)
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)
Improved Drug-target Interaction Prediction with Intermolecular Graph Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。 IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文参考訳（メタデータ） (2021-10-14T13:28:02Z)
A Novel Framework Integrating AI Model and Enzymological Experiments Promotes Identification of SARS-CoV-2 3CL Protease Inhibitors and Activity-based Probe [8.35958386389992]
我々は,SARS-CoV-2の3CLプロテアーゼに対する阻害剤を同定するための新しいフレームワークであるAIMEEを提案する。生物活性化学ライブラリーから2ラウンドの実験を行い、29.41%の新規阻害剤を同定した。我々は,AIMEEにおける中心モデルの解釈可能性について検討し,深層学習の特徴を化学特性の領域知識にマッピングした。
論文参考訳（メタデータ） (2021-05-29T06:23:05Z)
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)
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)
CogMol: Target-Specific and Selective Drug Design for COVID-19 Using Deep Generative Models [74.58583689523999]
新規なウイルスタンパク質を標的とした新規な薬物様小分子を設計するためのエンド・ツー・エンドのフレームワークであるCogMolを提案する。 CogMolは、分子SMILES変分オートエンコーダ(VAE)の適応事前学習と、効率的なマルチ属性制御サンプリングスキームを組み合わせる。 CogMolは、高目標特異性と選択性を有する合成可能で低毒性な薬物様分子の多制約設計を扱う。
論文参考訳（メタデータ） (2020-04-02T18:17:20Z)
Large-scale ligand-based virtual screening for SARS-CoV-2 inhibitors using deep neural networks [5.50889410189681]
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。
論文参考訳（メタデータ） (2020-03-25T15:24:09Z)

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。