論文の概要: VDDB: a comprehensive resource and machine learning platform for antiviral drug discovery

• arxiv url: http://arxiv.org/abs/2209.13521v1
• Date: Sat, 17 Sep 2022 09:02:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:31:31.318140
• Title: VDDB: a comprehensive resource and machine learning platform for antiviral drug discovery
• Title（参考訳）: VDDB:抗ウイルス薬発見のための総合的なリソースと機械学習プラットフォーム
• Authors: Shunming Tao, Yihao Chen, Jingxing Wu, Duancheng Zhao, Hanxuan Cai, Ling Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.49680989341015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virus infection is one of the major diseases that seriously threaten human health. To meet the growing demand for mining and sharing data resources related to antiviral drugs and to accelerate the design and discovery of new antiviral drugs, we presented an open-access antiviral drug resource and machine learning platform (VDDB), which, to the best of our knowledge, is the first comprehensive dedicated resource for experimentally verified potential drugs/molecules based on manually curated data. Currently, VDDB highlights 848 clinical vaccines, 199 clinical antibodies, as well as over 710,000 small molecules targeting 39 medically important viruses including SARS-CoV-2. Furthermore, VDDB stores approximately 3 million records of pharmacological data for these collected potential antiviral drugs/molecules, involving 314 cell infection-based phenotypic and 234 target-based genotypic assays. Based on these annotated pharmacological data, VDDB allows users to browse, search and download reliable information about these collects for various viruses of interest. In particular, VDDB also integrates 57 cell infection- and 117 target-based associated high-accuracy machine learning models to support various antivirals identification-related tasks, such as compound activity prediction, virtual screening, drug repositioning and target fishing. VDDB is freely accessible at http://vddb.idruglab.cn.
• Abstract（参考訳）: 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。 抗ウイルス薬に関するデータ資源のマイニング・共有の需要が高まり,新たな抗ウイルス薬の設計と発見を加速するために,我々は,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)を紹介した。 現在、VDDBは848の臨床ワクチン、199の臨床抗体、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。 さらに、VDDBは314の細胞感染に基づく表現型と234の標的に基づく遺伝子型アッセイを含む、これらの収集された抗ウイルス薬/分子の薬理学的データの約300万のデータを保存している。 これらの注釈付き薬理学データに基づいて、VDDBはユーザーが興味のある様々なウイルスのためにこれらの収集に関する情報を閲覧、検索、ダウンロードすることができる。 特に、VDDBは57の細胞感染と117のターゲットベース関連機械学習モデルを統合し、複合活動予測、仮想スクリーニング、薬物再配置、標的漁など、様々なアンチウイルス識別関連タスクをサポートする。 VDDBはhttp://vddb.idruglab.cnで自由にアクセスできる。

関連論文リスト

• Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network [69.16939798838159]
  本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。 EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。 全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
  論文  参考訳（メタデータ） (2023-11-15T06:34:00Z)
• A clustering and graph deep learning-based framework for COVID-19 drug repurposing [0.3359875577705538]
  本研究では,異種薬物データに基づく多機能型クラスタリングのためのグラフベースのオートエンコーダを用いた,教師なし機械学習フレームワークを提案する。 データセットは438種類の薬物で構成され、そのうち224種は新型コロナウイルスの臨床試験を受けている。 当フレームワークは,薬理学的特性,化学的・物理的性質,宿主との相互作用,各種の公開型COVID-19アッセイにおける有効性など,報告された薬物データに依存している。
  論文  参考訳（メタデータ） (2023-06-24T15:00:47Z)
• 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)
• 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)
• 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)
• HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
  臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。 本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
  論文  参考訳（メタデータ） (2021-02-08T15:09:07Z)
• 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)
• Machine-Learning Driven Drug Repurposing for COVID-19 [0.47791962198275073]
  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。
  論文  参考訳（メタデータ） (2020-06-25T21:18:53Z)
• 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。