Fugu-MT 論文翻訳(概要): Drug Repurposing Targeting COVID-19 3CL Protease using Molecular Docking and Machine Learning Regression Approach

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/2305.18088v7
Date: Sun, 23 Jun 2024 17:03:26 GMT
ステータス: 処理完了
システム内更新日: 2024-06-26 05:18:24.606308
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剤の精製
Authors: Imra Aqeel, 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発見する。
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 a promise 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 exploring 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 affinities. Our outcomes demonstrated that the Decision Tree Regression (DTR) model with best scores of R2 and RMSE, is the most suitable model to explore the potential drugs. We shortlisted six favorable drugs. These drugs have novel repurposing potential, except for one antiviral ZINC203757351 compound that has already been identified in other studies. We further examined the physiochemical and pharmacokinetic properties of these most potent drugs and their best binding interaction to specific target protease 3CLpro. Our verdicts contribute to the larger goal of finding effective cures for COVID-19, which is an acute global health challenge. The outcomes of our study provide valuable insights into potential therapeutic candidates for COVID-19 treatment.
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。薬品のリサイクルは、時間とコストと労力を節約する、という約束のソリューションが生まれつつある。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探索戦略が必要である。本研究では,分子ドッキングと機械学習レグレッションアプローチを併用して,新型コロナウイルス治療の今後の治療候補を見出す。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、これらの薬物の主プロテアーゼ3CLへ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。以上の結果から,R2とRMSEの最良のスコアを持つ決定木回帰(DTR)モデルが薬剤の探索に最も適したモデルであることが示唆された。私たちは6つの好ましい薬を列挙した。これらの薬剤は、他の研究で既に同定されている1つの抗ウイルス性ZINC203757351化合物を除いて、新規な再精製能を有する。さらに、これらの最も強力な薬物の生理化学的および薬物動態特性と、それらの特異的なプロテアーゼ3CLproとの結合性について検討した。私たちの評決は、新型コロナウイルスの効果的な治療法を見つけるという大きな目標に寄与します。本研究の結果は、新型コロナウイルス治療の潜在的治療候補について貴重な知見を提供するものである。

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)
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)
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)
Identification and validation of Triamcinolone and Gallopamil as treatments for early COVID-19 via an in silico repurposing pipeline [47.453507636022444]
新型コロナウイルス(COVID-19)の原因となるSARS-CoV-2は、引き続き世界的なパンデミックを引き起こしている。薬物再服用は、新しい治療薬の開発よりも、より早く新型コロナウイルスの薬物を投与する機会を提供する。このシリコ研究では、臨床治験薬と構造的類似性を利用して、2つの薬物を同定し、早期のCOVID-19の治療に応用する可能性がある。
論文参考訳（メタデータ） (2021-07-05T13:08:24Z)
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)
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)
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。