論文の概要: Drug Repurposing Targeting COVID-19 3CL Protease using Molecular Docking
and Machine Learning Regression Approach
- arxiv url: http://arxiv.org/abs/2305.18088v6
- Date: Wed, 16 Aug 2023 23:31:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 23:36:10.335780
- Title: Drug Repurposing Targeting COVID-19 3CL Protease using Molecular Docking
and Machine Learning Regression Approach
- Title(参考訳): 分子ドッキングと機械学習回帰法を用いたCOVID-19 3CLプロテアーゼを標的とした薬物精製
- Authors: Imra Aqeel, and Abdul Majid
- Abstract要約: 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探索した。
- 参考スコア(独自算出の注目度): 0.15346678870160887
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The COVID-19 pandemic has initiated a global health emergency, with an
exigent need for effective cure. Progressively, drug repurposing is emerging as
a promising solution as it saves the time, cost and labor. However, the number
of drug candidates that have been identified as being repurposed for the
treatment of COVID-19 are still insufficient, so more effective and thorough
drug repurposing strategies are required. In this study, we joint the molecular
docking with machine learning regression approaches to find some prospective
therapeutic candidates for COVID-19 treatment. We screened the 5903 approved
drugs for their inhibition by targeting the main protease 3CL of SARS-CoV-2,
which is responsible to replicate the virus. Molecular docking is used to
calculate the binding affinities of these drugs to the main protease 3CL. We
employed several machine learning regression approaches for QSAR modeling to
find out some potential drugs with high binding affinity. Out outcomes
demonstrated that the Decision Tree Regression (DTR) model with best scores of
R2 and RMSE, is the most suitable model for drug repurposing. We shortlisted
six favorable drugs and examined their physiochemical and pharmacokinetic
properties of these top-ranked selected drugs and their best binding
interaction for specific target protease 3CLpro. Our study provides an
efficient framework for drug repurposing against COVID-19, and establishes the
potential of combining molecular docking with machine learning regression
approaches to accelerate the identification of potential therapeutic
candidates. Our findings contribute to the larger goal of finding effective
cures for COVID-19, which is an acute global health challenge.
- Abstract(参考訳): 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。
徐々に、薬物の再利用は、時間、コスト、そして労力を節約し、有望な解決策として登場しつつある。
しかし、新型コロナウイルスの治療に再利用されていると認識されている薬物候補の数はいまだに不足しているため、より効果的で徹底的な薬物精製戦略が必要である。
本研究では, 分子ドッキングと機械学習回帰法を組み合わせることで, 新型コロナウイルス治療に期待できる治療候補を見つける。
ウイルスの複製に関与するSARS-CoV-2の主要プロテアーゼ3CLを標的とした5903薬のスクリーニングを行った。
分子ドッキングは、これらの薬物のメインプロテアーゼ3clとの結合親和性を計算するために用いられる。
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。
結果から,r2とrmseのベストスコアを持つ決定木回帰(dtr)モデルが薬物再生産に最適なモデルであることが判明した。
6種類の好適薬を選抜し, それらの薬の理化学的, 薬物動態学的性質と, 特異的プロテアーゼ3clproに対する最適な結合相互作用について検討した。
本研究は、covid-19に対する薬物再導入のための効率的な枠組みを提供し、分子ドッキングと機械学習回帰アプローチを組み合わせて、潜在的な治療候補の同定を加速する可能性を確立する。
急性グローバルな健康上の課題である新型コロナウイルスの効果的な治療法の発見という大きな目標に,本研究は貢献する。
関連論文リスト
- 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) - 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) - Hybrid Approach to Identify Druglikeness Leading Compounds against
COVID-19 3CL Protease [0.5076419064097732]
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。
論文 参考訳(メタデータ) (2022-08-03T22:17:22Z) - 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) - 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) - 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) - Heterogeneous network-based drug repurposing for COVID-19 [7.097880564431694]
コロナウイルス病2019(Corona Virus Disease 2019、COVID-19)は、世界中で急速に広がるヒトのウイルス(HCoV)である。
新しい薬物開発と比較すると、薬物再服用は新型コロナウイルスの治療に最適なショートカットかもしれない。
我々は、HCoVs関連標的タンパク質をベースとした包括的ヘテロジニアスネットワークを構築し、これまで提案されていたディープDTnetを用いて、新型コロナウイルスの薬物候補を発見する。
論文 参考訳(メタデータ) (2021-07-20T01:24:40Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost
Functions [80.12620331438052]
深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました
その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。
このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
論文 参考訳(メタデータ) (2020-06-25T08:46:37Z) - 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)
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。