論文の概要: Screening of BindingDB database ligands against EGFR, HER2, Estrogen, Progesterone and NF-kB receptors based on machine learning and molecular docking

• arxiv url: http://arxiv.org/abs/2405.00647v1
• Date: Wed, 1 May 2024 17:24:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-02 14:57:49.274387
• Title: Screening of BindingDB database ligands against EGFR, HER2, Estrogen, Progesterone and NF-kB receptors based on machine learning and molecular docking
• Title（参考訳）: 機械学習と分子ドッキングに基づくEGFR, HER2, Estrogen, Progesterone, NF-kB受容体に対するBindingDBデータベースリガンドのスクリーニング
• Authors: Parham Rezaee, Shahab Rezaee, Malik Maaza, Seyed Shahriar Arab,
• Abstract要約: GASVM-SVM:GASVM-SVMモデルは乳がんデータの仮想スクリーニングのためのAUC0.94で選択された。 このモデルでは、4454, 803, 438, 378を、アクティブ/非アクティブおよびターゲット予測の両方で90%以上の精度で同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer, the second most prevalent cancer among women worldwide, necessitates the exploration of novel therapeutic approaches. To target the four subgroups of breast cancer "hormone receptor-positive and HER2-negative, hormone receptor-positive and HER2-positive, hormone receptor-negative and HER2-positive, and hormone receptor-negative and HER2-negative" it is crucial to inhibit specific targets such as EGFR, HER2, ER, NF-kB, and PR. In this study, we evaluated various methods for binary and multiclass classification. Among them, the GA-SVM-SVM:GA-SVM-SVM model was selected with an accuracy of 0.74, an F1-score of 0.73, and an AUC of 0.94 for virtual screening of ligands from the BindingDB database. This model successfully identified 4454, 803, 438, and 378 ligands with over 90% precision in both active/inactive and target prediction for the classes of EGFR+HER2, ER, NF-kB, and PR, respectively, from the BindingDB database. Based on to the selected ligands, we created a dendrogram that categorizes different ligands based on their targets. This dendrogram aims to facilitate the exploration of chemical space for various therapeutic targets. Ligands that surpassed a 90% threshold in the product of activity probability and correct target selection probability were chosen for further investigation using molecular docking. The binding energy range for these ligands against their respective targets was calculated to be between -15 and -5 kcal/mol. Finally, based on general and common rules in medicinal chemistry, we selected 2, 3, 3, and 8 new ligands with high priority for further studies in the EGFR+HER2, ER, NF-kB, and PR classes, respectively.
• Abstract（参考訳）: 世界で2番目に多いがんである乳癌は、新しい治療法の探索を必要とする。 乳癌の4つのサブグループ「ホルモン受容体陽性・HER2陰性・ホルモン受容体陽性・HER2陽性・ホルモン受容体陰性・HER2陰性」をターゲットにするためには、EGFR、HER2、ER、NF-kB、PRなどの特定の標的を阻害することが重要である。 本研究では,二項分類と多項分類の様々な手法について検討した。 GA-SVM-SVM:GA-SVM-SVMモデルは精度0.74、F1スコア0.73、AUC0.94で選択された。 このモデルでは,BindingDBデータベースから,EGFR+HER2,ER,NF-kB,PRの各クラスに対して,アクティブ/非アクティブおよびターゲット予測において90%以上の精度で4454,803,438,378のリガンドを同定した。 選択したリガンドに基づいて、ターゲットに基づいて異なるリガンドを分類するデンドログラムを作成しました。 このデンドログラムは、様々な治療対象のための化学空間の探索を容易にすることを目的としている。 分子ドッキングによるさらなる研究のために, 活性率の90%を超えるリガンドと正しい標的選択確率を選択した。 これらのリガンドのそれぞれの目標に対する結合エネルギー範囲は, -15～5kcal/molと計算された。 最後に, 医薬化学の一般規則と共通規則に基づいて, EGFR+HER2, ER, NF-kB, PRクラスにおいて, 高い優先度を持つ2, 3, 3, 8種類の新規配位子をそれぞれ選択した。

関連論文リスト

• Identification of Prognostic Biomarkers for Stage III Non-Small Cell Lung Carcinoma in Female Nonsmokers Using Machine Learning [0.815557531820863]
  肺がんは、世界中でがん関連の死亡の原因となっている。 本研究は,非喫煙女性におけるNSCLC関連重要なバイオマーカーを遺伝子発現プロファイリングを用いて同定することを目的とした。
  論文  参考訳（メタデータ） (2024-08-28T18:08:11Z)
• Development and Validation of Fully Automatic Deep Learning-Based Algorithms for Immunohistochemistry Reporting of Invasive Breast Ductal Carcinoma [5.572436001833252]
  本報告では, 深層学習に基づく半教師付き, 完全自動決定支援システム(DSS)について, 管癌のIHCスコアリングについて述べる。 本システムでは,Allred 標準に基づいて,腫瘍領域を自動的に検出し,アーティファクトやスコアを除去する。 Ki67, HER2, ER, PR染色の95, 92, 88, 82パーセントの合意を得た。
  論文  参考訳（メタデータ） (2024-06-16T10:52:38Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Dual-path convolutional neural network using micro-FTIR imaging to predict breast cancer subtypes and biomarkers levels: estrogen receptor, progesterone receptor, HER2 and Ki67 [0.0]
  新しい畳み込みニューラルネットワークであるCaReNet-V2は、乳がんと隣接する組織を分類し、バイオマーカーのレベルを予測するために開発された。 このモデルにより, ER, PR, HER2レベルの予測が可能となった。
  論文  参考訳（メタデータ） (2023-10-23T17:05:53Z)
• One-dimensional convolutional neural network model for breast cancer subtypes classification and biochemical content evaluation using micro-FTIR hyperspectral images [0.0]
  本研究は乳がんの亜型評価と生化学的貢献のための1次元深層学習ツールを開発した。 新しい1D畳み込みニューラルネットワークCaReNet-V1は乳癌(CA)と隣接組織(AT)を分類するために開発された Grad-CAMの1次元適応を応用し, 生体化学的影響について検討した。
  論文  参考訳（メタデータ） (2023-10-23T16:58:34Z)
• Addressing Uncertainty in Imbalanced Histopathology Image Classification of HER2 Breast Cancer: An interpretable Ensemble Approach with Threshold Filtered Single Instance Evaluation (SIE) [0.0]
  早期診断は、患者が効率的な治療決定を行うのを助けることで死亡率を軽減することができる。 HER2は乳癌の最も致命的な亜型である。 DenseNet201とXceptionは単一の分類器にまとめられた。
  論文  参考訳（メタデータ） (2023-08-01T19:44:31Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• 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)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• 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)

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。