文献

J-GLOBAL ID：202002236134414167   整理番号：20A2557176

DeepACTION:新規薬物-標的相互作用を予測するための深層学習ベース法【JST・京大機械翻訳】

DeepACTION: A deep learning-based method for predicting novel drug-target interactions

著者 (6件)： Hasan Mahmud S.M. (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China) ,  Chen Wenyu (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China) ,  Jahan Hosney (College of Computer Science, Sichuan University, Chengdu, 610065, China) ,  Dai Bo (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China) ,  Din Salah Ud (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China) ,  Dzisoo Anthony Mackitz (Center for Informational Biology, University of Electronic Science and Technology of China, Chengdu, 611731, China)
資料名： Analytical Biochemistry  (Analytical Biochemistry)
巻： 610  ページ： Null  発行年： 2020年 
JST資料番号： H0177B  ISSN： 0003-2697  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)

抄録/ポイント： 薬剤-標的相互作用(DTIs)は,薬剤開発および発見過程で重要な役割をする。DTIsの湿式ラボ予測は,時間がかかり,高価で,退屈である。幸いなことに,計算アプローチは新しい相互作用(薬物-標的対)を同定し,薬物精製の過程を加速することができる。しかし,膨大な数の相互作用が未発見のままである。したがって,潜在的または未知のDTIsを予測するための深層学習ベース法(深いACTION)を提案した。ここでは,各薬剤の化学構造と蛋白質配列を,それらの特徴を正確に表現するために,異なる記述子を用いて構造的および配列情報に従って形質転換した。予測プロセスの間のデータの高い次元とクラス不均衡のようないくつかの課題があった。これらの問題に取り組むために,データセットにおける多数と少数インスタンスのバランスをとるためのMMIB技術を開発し,LASSOモデルを利用してデータの高次元を処理した。さらに,著者らは,DTIsの正確な予測のために,平衡で縮小した特徴を有する畳込みニューラルネットワークアルゴリズムを訓練した。本研究では,AUCは,深いACTIONモデルの性能を5倍交差検証試験による既存の方法の性能と比較するための一次評価尺度と考えられる。薬剤Bankデータベースと著者らの深いACTIONモデルから得た経験データセットは,このデータセットに対して0.9836のAUCを達成した。実験結果は,モデルが新しいDTIsのかなりの数を予測することができて,薬剤を開発する科学者を動機づける完全な情報を提供することを確実とした。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： アルゴリズム ,  *相互作用 ,  データベース ,  アミノ酸配列 ,  高次元
準シソーラス用語： 化学構造 ,  創薬 ,  評価尺度 ,  *深層学習 ,  クラス不均衡 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物-標的相互作用 ,  畳込みニューラルネットワーク ,  データバランス ,  特徴抽出 ,  LASSO

分類 (5件)： 有機化合物の物理分析  (CC03034A) ,  生化学的分析法  (EA03030G) ,  分子・遺伝情報処理  (JE15040B) ,  薬物の分析  (GV01040Q) ,  分光分析  (CC03012W)

タイトルに関連する用語 (5件)： 薬物 ,  標的 ,  相互作用 ,  予測 ,  深層学習