論文の概要: Predictive Modelling of Natural Medicinal Compounds for Alzheimer disease Using Machine Learning and Cheminformatics

• arxiv url: http://arxiv.org/abs/2604.18316v2
• Date: Sat, 25 Apr 2026 02:02:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:06.898472
• Title: Predictive Modelling of Natural Medicinal Compounds for Alzheimer disease Using Machine Learning and Cheminformatics
• Title（参考訳）: 機械学習とケミノフォマティクスを用いたアルツハイマー病自然薬品の予測モデリング
• Abstract要約: この研究は、天然化合物の抗Dementia活性を識別するための機械学習手法を提案した。 この研究は、ChEMBLやPubChemのような公共データベースから得られた活性化合物と不活性化合物のセットを使用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer disease (AD) is a neurodegenerative disease that lacks specific treatment options. Natural drugs have displayed neuroprotective effects; however, their high-throughput discovery is challenging because of the expense of experimental testing.The study proposed a machine learning approach to identify the anti-dementia activity of natural compounds based on molecular descriptors obtained from cheminformatics. The study used a set of active and inactive compounds obtained from public databases like ChEMBL and PubChem. Various molecular descriptors, including molecular weight, lipophilicity (LogP), topological polar surface area (TPSA), and hydrogen bonding descriptors, were calculated with RDKit. Data preprocessing and feature selection were applied, followed by the development of several classification models (Random Forest, XGBoost, Support Vector Machines, Logistic Regression) and their evaluation based on accuracy, precision, recall, F1-score and ROC-AUC. The outcome suggests that ensemble techniques, such as Random Forest, delivered the best predictive accuracy and ROC-AUC values. This study also highlights that critical physicochemical descriptors in particular lipophilicity, molecular weight and polarity are important in driving neuroprotective activity as identified by feature importance analysis. The integrated machine learning approach shows the potential of combining natural product research and machine learning in early drug discovery for dementia. They provide a means of rapidly exploring large datasets and selecting candidates for experimental confirmation, thus minimising costs and time in the development of drugs for neurodegenerative diseases.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer disease、AD)は、特定の治療法がない神経変性疾患である。 天然薬物は神経保護効果を示してきたが、その高スループットな発見は実験の費用がかかるため困難であり、この研究は、化学情報学から得られる分子記述子に基づく天然化合物の抗Dementia活性を同定する機械学習アプローチを提案した。 この研究は、ChEMBLやPubChemのような公共データベースから得られた活性化合物と不活性化合物のセットを使用した。 RDKitを用いて, 分子量, リポフィリシティ (LogP) , トポロジカル極面面積 (TPSA) , 水素結合性記述子などの分子記述子を計算した。 データ前処理と特徴選択が適用され、続いていくつかの分類モデル(Random Forest, XGBoost, Support Vector Machines, Logistic Regression)が開発され、精度、精度、リコール、F1スコア、ROC-AUCが評価された。 その結果、ランダムフォレストのようなアンサンブル技術が最高の予測精度とROC-AUCの値をもたらしたことが示唆された。 この研究は、特に脂質、分子量、極性における重要な物理化学的記述子は、特徴的重要性分析によって同定された神経保護活性を駆動する上で重要であることも強調した。 統合された機械学習アプローチは、認知症の初期薬物発見において、天然物の研究と機械学習を組み合わせる可能性を示している。 それらは、大規模なデータセットを迅速に探索し、実験的な確認候補を選択する手段を提供し、それによって神経変性疾患の薬物開発におけるコストと時間を最小化する。

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)
• AI-Powered Prediction of Nanoparticle Pharmacokinetics: A Multi-View Learning Approach [5.912585771981805]
  既存のAI駆動アプローチは、AI駆動の予測に依存しているが、NPプロパティについて学ばない。 この研究は、データ効率のよいAI駆動の薬物発見と精密ナノメディシンの基礎を築いた。
  論文  参考訳（メタデータ） (2025-03-18T01:09:32Z)
• 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)
• Towards Evolutionary-based Automated Machine Learning for Small Molecule Pharmacokinetic Prediction [0.0]
  小分子の性質は、医薬品開発の初期段階において不可欠である。 既存のメソッドにはパーソナライゼーションがなく、手作業によるMLアルゴリズムやパイプラインに依存している。 分子特性の予測に特化して設計された進化型自動ML法(AutoML)を提案する。
  論文  参考訳（メタデータ） (2024-08-01T09:46:06Z)
• 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)
• Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
  AIによる薬物発見の大きな課題は、高品質なデータの不足である。 薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。 実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-04-16T07:42:55Z)
• Multiscale Topology in Interactomic Network: From Transcriptome to Antiaddiction Drug Repurposing [0.3683202928838613]
  米国における薬物依存の激化は、革新的な治療戦略の緊急の必要性を浮き彫りにしている。 本研究は,オピオイドおよびコカイン依存症治療の薬物再服用候補を探索するための,革新的で厳格な戦略に着手した。
  論文  参考訳（メタデータ） (2023-12-03T04:01:38Z)
• 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)
• 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)
• 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)
• SPLDExtraTrees: Robust machine learning approach for predicting kinase inhibitor resistance [1.0674604700001966]
  本研究では,タンパク質変異によるリガンド結合親和性の変化を正確に予測できる堅牢な機械学習手法SPLDExtraTreesを提案する。 提案手法は、学習が容易なサンプルから始まる特定のスキームに従ってトレーニングデータをランク付けする。 実験では,3つのシナリオにおいて,キナーゼ阻害剤耐性の予測法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-11-15T09:07:45Z)
• 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)
• DeepDDS: deep graph neural network with attention mechanism to predict synergistic drug combinations [0.9854322576538699]
  計算スクリーニングは 薬物の組み合わせを優先する重要な方法になっています DeepDDSは16%以上の予測精度で競合手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-06T08:25:43Z)
• Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
  両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。 実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-01-22T19:49:47Z)
• 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)
• 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)
• 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。