管理されたシグナル伝達ネットワークからの相乗的標的組合せ予測:機械学習システム生物学および薬理学との出会い【Powered by NICT】

Chua Huey Eng; Chua Huey Eng; Bhowmick Sourav S.; Bhowmick Sourav S.; Tucker-Kellogg Lisa

文献

J-GLOBAL ID：201702248562961385 整理番号：17A1628756

管理されたシグナル伝達ネットワークからの相乗的標的組合せ予測:機械学習システム生物学および薬理学との出会い【Powered by NICT】

Synergistic target combination prediction from curated signaling networks: Machine learning meets systems biology and pharmacology

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1628756&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1628756&from=J-GLOBAL&jstjournalNo=W0241A") }}

著者 (5件)： , , , ,
資料名：
巻： 129 ページ： 60-80 発行年： 2017年
JST資料番号： W0241A ISSN： 1046-2023 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

シグナル伝達ネットワークが与えられたとき,標的組合せ予測問題は併用療法のための有効かつ安全な標的組合せを予測することを目的とした。最新のin silico法は候補解を確率的に,提案した修正を採択するか棄却するかメトロポリス基準を使用するモンテカルロシミュレーテッドアニーリング(mcsa)を用いた。しかし,このような確率的修飾はターゲットの選択と組み合わせの治療効果に対するそれらの活性とオフターゲット効果,解の品質に直接影響を及ぼすの影響を無視している。本論文では,マスコット,オフターゲット効果を最小化し,候補修飾のための相乗効果を達成するために二個の付加的な発見的基準を利用することによってこの限界を解決する方法を提案した。特に,オフターゲット効果は標的併用へのシグナル伝達ネットワークの意図しない応答を測定し,しばしば毒性に関連している。対標的であるそれらの個々の効果の和より大きいことを作用を発揮し,一般的に効果を最大化するための有益な戦略と相乗効果を発生するは,より効果的な標的を選択するために与えられた疾患関連ネットワークにおける潜在的標的を優先する(より良い治療効果および/または低いオフターゲット効果)機械学習に基づく標的優先順位付け法に毒性マスコットレバレッジを最小化しながら併用薬物治療における非加成性効果を評価する薬理学からのLoewe additivity理論に相乗標的活性を選択した。二関連シグナル伝達ネットワークに関する著者らの実験研究は,既存のアプローチと比較してマスコットの優位性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

感染症・寄生虫症の治療 , 抗ウイルス薬の臨床への応用

, , , , , ,

前のページに戻る