文献

J-GLOBAL ID：202002215770733748   整理番号：20A1114377

薬物-標的相互作用のための機械学習モデル:現在の知識と将来の方向【JST・京大機械翻訳】

Machine learning models for drug-target interactions: current knowledge and future directions

著者 (3件)： D’Souza Sofia (Department of Computer Science and Engineering, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, 576104, Karnataka, India) ,  Prema K.V. (Department of Computer Science and Engineering, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, 576104, Karnataka, India) ,  Balaji Seetharaman (Department of Biotechnology, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, 576104, Karnataka, India)
資料名： Drug Discovery Today  (Drug Discovery Today)
巻： 25  号： 4  ページ： 748-756  発行年： 2020年 
JST資料番号： W1088B  ISSN： 1359-6446  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 化合物と蛋白質の間の結合親和性を予測することは,薬物発見において重要である。化合物と標的の間の結合親和性の計算予測は,湿式実験の数を減少させることによって鉛化合物を見つける確率を大いに強化する。リガンドベースと標的ベースのアプローチを用いた機械学習と深い学習技術を用いて,結合親和性を予測し,それにより薬物発見努力における時間とコストを節約した。本レビューでは,薬物-標的相互作用(DTI)予測を改善するために,仮想スクリーニングに使用される機械学習と深い学習モデルについて議論する。また,この分野におけるさらなる開発を導くための現在の知識と将来の方向を強調した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相互作用 ,  *学習 ,  *学習モデル ,  鉛化合物 ,  タンパク質 ,  *機械学習
準シソーラス用語： 結合親和性 ,  バーチャルスクリーニング , 【Automatic Indexing@JST】

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  薬物の相互作用  (GV01070X)

タイトルに関連する用語 (7件)： 薬物 ,  標的 ,  相互作用 ,  機械学習 ,  モデル ,  知識 ,  将来