論文の概要: Predictive Modeling of Natural Medicinal Compounds for Alzheimer Disease Using Cheminformatics

• arxiv url: http://arxiv.org/abs/2604.18316v1
• Date: Mon, 20 Apr 2026 14:19:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.93103
• Title: Predictive Modeling of Natural Medicinal Compounds for Alzheimer Disease Using Cheminformatics
• Title（参考訳）: ケミノフォマティクスを用いたアルツハイマー病に対する天然医薬化合物の予測モデリング
• Authors: Hafiza Syeda Yusra Tirmizi, Syed Ibad Hasnain, Muhammad Faris, Rabail Khowaja, Saad Abdullah,
• Abstract要約: アルツハイマー病(英: Alzheimer disease)は、記憶、認知、行動に徐々に障害を与える高齢者に影響を及ぼす進行性神経変性疾患である。 本研究は、アルツハイマー病に対する治療効果のある天然の医薬品化合物を同定するための予測的ケミノフォマティクスに基づくモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The most common cause of dementia is Alzheimer disease, a progressive neurodegenerative disorder affecting older adults that gradually impairs memory, cognition, and behavior. It is characterized by the accumulation of abnormal proteins in the brain, including amyloid-beta plaques and neurofibrillary tangles of tau protein, which disrupt neuronal communication and lead to neuronal death. Early manifestations typically include mild memory impairment and reduced ability to acquire new information. As the disease progresses, patients experience severe cognitive decline, loss of independence, and significant personality and behavioral changes. Although the exact etiology of Alzheimer disease remains unclear, factors such as age, genetic predisposition, lifestyle, and cardiovascular health contribute to its development. While no definitive cure exists, early diagnosis, pharmacological interventions, and supportive care can slow progression and improve quality of life. This study presents a predictive cheminformatics-based model for identifying natural medicinal compounds with potential therapeutic efficacy against Alzheimer disease. The model functions as a drug screening system utilizing molecular descriptors and machine learning to detect anti-Alzheimer activity. More than 7,000 compounds from ChEBI, SynSysNet, and INDOFINE were preprocessed using Open Babel and analyzed with Dragon descriptors. A Random Forest classifier trained on approved treatments achieved moderate performance, with precision of 0.5970 and recall of 0.6590, identifying 73 candidate compounds. Key descriptors included atomic polarizability, bond multiplicity, and non-hydrogen bond counts.These findings demonstrate the value of cheminformatics in early-stage drug discovery for Alzheimer disease.
• Abstract（参考訳）: 認知症の最も一般的な原因はアルツハイマー病(Alzheimer disease)である。 アミロイド-ベタプラークやタウタンパク質の神経線維の絡み合いなど、脳内の異常なタンパク質の蓄積が、神経細胞のコミュニケーションを阻害し、神経細胞死を引き起こすのが特徴である。 初期の症状には、軽度の記憶障害と、新しい情報を取得する能力の低下が含まれる。 疾患が進行するにつれて、患者は重度の認知低下、独立性の喪失、そして人格や行動の変化を経験する。 アルツハイマー病の正確な病因は不明であるが、年齢、遺伝的前置、生活習慣、心臓血管の健康などの要因がその発展に寄与する。 決定的な治療法は存在しないが、早期診断、薬理学的介入、サポートケアは進行を遅らせ、生活の質を向上させる。 本研究は、アルツハイマー病に対する治療効果のある天然の医薬品化合物を同定するための予測的ケミノフォマティクスに基づくモデルを提案する。 このモデルは、分子記述子と機械学習を利用して抗アルツハイマー活性を検出する薬物スクリーニングシステムとして機能する。 7000以上のChEBI、SynSysNet、INDOFINEの化合物をOpen Babelを用いて前処理し、Dragonディスクリプタを用いて分析した。 承認された治療で訓練されたランダムフォレスト分類器は、精度0.5970、リコール0.6590の適度な性能を達成し、73の候補化合物を同定した。 主な記述には、原子分極性、結合多価性、非水素結合数が含まれており、これらの結果は、アルツハイマー病の早期の薬物発見における化学情報学の価値を示している。

関連論文リスト

• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Image-Based Alzheimer's Disease Detection Using Pretrained Convolutional Neural Network Models [0.0]
  アルツハイマー病は治療不能な進行性脳障害であり、記憶、思考能力、そして最も基本的なタスクを完遂する能力を失う。 本研究は、神経イメージング技術を用いて捉えたバイオマーカーからアルツハイマー病を検出するコンピュータ診断システムを提案する。
  論文  参考訳（メタデータ） (2025-02-09T08:43:08Z)
• Deep Learning in Early Alzheimer's disease's Detection: A Comprehensive Survey of Classification, Segmentation, and Feature Extraction Methods [4.072815076028185]
  2015年の世界アルツハイマー病報告書によると、世界中で4680万人が認知症に苦しんでいる。 ディープラーニングは、高次元データの複雑な構造を特定することによって、従来の機械学習技術より優れている。 本研究では、オープンアクセスデータセットを用いて、早期アルツハイマー病検出のためのディープラーニングアルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2025-01-25T18:00:17Z)
• Identification of Causal Relationship between Amyloid-beta Accumulation and Alzheimer's Disease Progression via Counterfactual Inference [27.822250921154446]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、アミロイドーシスから始まる神経変性疾患である。 18F-florbetapir (AV45) ポジトロン・エミッション・トモグラフィー(PET)による脳内アミロイドベータの蓄積は、ADの早期診断に広く用いられている。
  論文  参考訳（メタデータ） (2023-07-03T23:02:26Z)
• Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
  ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。 病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。 多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
  論文  参考訳（メタデータ） (2023-02-23T09:22:05Z)
• Investigating Conversion from Mild Cognitive Impairment to Alzheimer's Disease using Latent Space Manipulation [0.23931689873603598]
  本稿では、MCIからアルツハイマー病への変換の識別子である変数を発見するためのディープラーニングフレームワークを提案する。 特に、MCIおよびアルツハイマー病患者で訓練された変分自己エンコーダネットワークの潜時空間を操作し、重要な特性を得る。 生成型デコーダとアルツハイマー病の診断に繋がる寸法を利用して、データセット中のMCI患者から合成認知症患者を生成する。
  論文  参考訳（メタデータ） (2021-11-16T21:48:09Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。