論文の概要: To Explore the Potential Inhibitors against Multitarget Proteins of COVID 19 using In Silico Study
- arxiv url: http://arxiv.org/abs/2409.16486v1
- Date: Tue, 24 Sep 2024 22:19:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 08:11:05.688154
- Title: To Explore the Potential Inhibitors against Multitarget Proteins of COVID 19 using In Silico Study
- Title（参考訳）: インシリコ法によるCOVID-19の多ターゲットタンパク質に対する阻害薬の探索
- Authors: Imra Aqeel,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The global pandemic due to emergence of COVID 19 has created the unrivaled public health crisis. It has huge morbidity rate never comprehended in the recent decades. Researchers have made many efforts to find the optimal solution of this pandemic. Progressively, drug repurposing is an emergent and powerful strategy with saving cost, time, and labor. Lacking of identified repurposed drug candidates against COVID 19 demands more efforts to explore the potential inhibitors for effective cure. In this study, we used the combination of molecular docking and machine learning regression approaches to explore the potential inhibitors for the treatment of COVID 19. We calculated the binding affinities of these drugs to multitarget proteins using molecular docking process. We perform the QSAR modeling by employing various machine learning regression approaches to identify the potential inhibitors against COVID 19. Our findings with best scores of R2 and RMSE demonstrated that our proposed Decision Tree Regression (DTR) model is the most appropriate model to explore the potential inhibitors. We proposed five novel promising inhibitors with their respective Zinc IDs ZINC (3873365, 85432544, 8214470, 85536956, and 261494640) within the range of -19.7 kcal/mol to -12.6 kcal/mol. We further analyzed the physiochemical and pharmacokinetic properties of these most potent inhibitors to examine their behavior. The analysis of these properties is the key factor to promote an effective cure for public health. Our work constructs an efficient structure with which to probe the potential inhibitors against COVID-19, creating the combination of molecular docking with machine learning regression approaches.
- Abstract（参考訳）: 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。
この数十年で大きな被害率を計上したことはない。
研究者はこのパンデミックの最適な解決策を見つけるために多くの努力をしてきた。
薬物再資源化は、コスト、時間、労力を節約する緊急かつ強力な戦略である。
新型コロナウイルス感染症(COVID-19)に対する薬剤候補の特定を怠ったことで、治療薬の可能性を探究する動きが強まった。
本研究では,分子ドッキングと機械学習レグレッションの併用により,新型コロナウイルス19の治療薬の可能性を探究した。
分子ドッキング法を用いて,これらの薬物と多ターゲットタンパク質との結合親和性を計算した。
各種機械学習レグレッション手法を用いてQSARモデリングを行い、新型コロナウイルス19に対する潜在的な阻害剤を同定する。
R2 と RMSE のスコアが最適であった結果,提案した決定木回帰モデル(DTR)が阻害剤の探索に最も適したモデルであることが判明した。
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。
さらに、これらの最も強力な阻害剤の生理化学的および薬物動態特性を解析し、その挙動を調べた。
これらの特性の分析は、公衆衛生の効果的な治療を促進するための鍵となる要素である。
本研究は, 分子ドッキングと機械学習レグレッションの併用により, 抗ウイルス剤を探索する効率的な構造を構築した。
関連論文リスト
- Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳（メタデータ） (2024-05-23T13:22:17Z) - Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS [10.732020360180773]
我々は16量子ビットのIBM量子コンピュータでトレーニングされた量子アルゴリズムのパワーをシームレスに統合する量子古典的生成モデルを導入する。
我々の研究は、実験で確認された生物学的ヒットを生み出すために量子生成モデルを使用した初めてのものである。
論文 参考訳（メタデータ） (2024-02-13T04:19:06Z) - 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) - 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) - 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) - An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF
Mass Spectrometry [0.9250974571641537]
重症急性呼吸器症候群2型(SARS-CoV-2)は世界的なパンデミックを引き起こし、世界経済に大きな影響を与えた。
近年では、現在の金標準リアルタイムポリメラーゼ連鎖反応(RT-PCR)結果と高い一致を示す複数の代替プラットフォームが公表されている。
これらの新しい方法は鼻咽頭(NP)スワブを除去し、複雑な試薬の必要性を排除し、RT-PCRテスト試薬の供給の負担を軽減する。
本研究では,人工知能を用いたAIテスト手法を設計し,実験結果の信頼性について検討した。
論文 参考訳（メタデータ） (2021-09-28T23:29:31Z) - 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) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-27T11:30:15Z) - 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)
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。