新工具用于预测分子的生物活性

结构生物信息学和网络生物学实验室,由Patrick Aloy ICREA研究员博士已经完成一百万个分子的生物活性信息使用机器学习计算模型。它还透露一个工具来预测的生物活性分子,即使在没有实验数据是可用的。

这种新方法是基于化学检查,最大的伪药品生物活性的数据库配置文件到目前为止,由相同的实验室和2020年出版。化学检验员收集信息从25空间的生物活性分子。这些空间与化学结构的分子,它或改变交互的目标诱发在临床或细胞水平上。然而,这种高度详细的信息对大多数分子的作用机制是不完整的,这意味着对于特定的一个可能有生物活性的一个或两个空间的信息25但蒙骗不了所有的人。

通过这种新的发展,研究者将所有可用的实验信息与深刻的机器学习方法,以便所有活动资料,从化学临床水平,所有的分子都可以完成。

“新工具还允许我们预测新分子的生物活性的空间,这是至关重要的药物发现过程中,我们可以选择最合适的候选人,丢弃那些,因为这样或那样的原因,不会工作,“Aloy博士解释道。

软件免费图书馆是给科学界在bioactivitysignatures.org,它会定期更新的研究人员越来越多的生物活性数据变得可用。每次更新化学实验数据的检查程序,人工神经网络也将修改后的改进估计。

预测和可靠性

生物活性数据预测模型都或多或少的可靠性取决于各种因素,包括实验数据的体积和分子的特点。

除了活动在生物层面的预测方面,系统由Aloy博士的团队提供了一个衡量预测的可靠程度为每一个分子。“所有模型都是错的,但有些是有用的!信心可以让我们更好的解释结果,强调空间的生物活性分子的准确和在哪些错误率可以考虑,”马蒂诺博士解释道。据第一作者的工作。

测试系统IRB巴塞罗那化合物库

验证工具,研究人员搜查了图书馆的化合物在IRB巴塞罗那对那些候选人可能好药物调控癌症相关的转录因子的活动(SNAIL1)的活动几乎是不可能的调节由于药物的直接绑定(它被认为是无药可治”的目标)。第一套的17000种化合物,机器学习模型预测特征(在他们的动态,与靶细胞和蛋白质,等等)。131年,目标一致。

这些化合物的降解SNAIL1已经实验证实,它已被观察到,高的比例,这种降解能力符合模型所预测的那样,从而验证系统。

参考:据M, Duran-Frigola M, Badia-i-Mompel P, et al。生物活性无特征化合物描述符。Nat Commun。2021;12 (1):3932。doi:10.1038 / s41467 - 021 - 24150 - 4

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。