文献

J-GLOBAL ID：202102270398085806   整理番号：21A1360651

電気生理学的状態フィンガープリントと両親媒性擬アミノ酸組成による薬物-標的相互作用の予測【JST・京大機械翻訳】

Predicting Drug-Target Interactions with Electrotopological State Fingerprints and Amphiphilic Pseudo Amino Acid Composition

著者 (9件)： Wang Cheng (Department of Computer Science & Technology, Tongji University, Shanghai 201804, China) ,  Wang Wenyan (School of Electrical & Information Engineering, Anhui University of Technology, Ma’anshan 243002, China) ,  Wang Wenyan (Key Laboratory of Power Electronics and Motion Control Anhui Education Department, Ma’anshan 243032, China) ,  Lu Kun (School of Electrical & Information Engineering, Anhui University of Technology, Ma’anshan 243002, China) ,  Zhang Jun (Institutes of Physical Science and Information Technology & School of Internet, Anhui University, Hefei 230601, China) ,  Chen Peng (Institutes of Physical Science and Information Technology & School of Internet, Anhui University, Hefei 230601, China) ,  Wang Bing (Department of Computer Science & Technology, Tongji University, Shanghai 201804, China) ,  Wang Bing (School of Electrical & Information Engineering, Anhui University of Technology, Ma’anshan 243002, China) ,  Wang Bing (Key Laboratory of Power Electronics and Motion Control Anhui Education Department, Ma’anshan 243032, China)
資料名： International Journal of Molecular Sciences (Web)  (International Journal of Molecular Sciences (Web))
巻： 21  号： 16  ページ： 5694  発行年： 2020年 
JST資料番号： U7038A  ISSN： 1422-0067  CODEN： IJMCFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 薬物標的相互作用(DTI)予測の課題は,薬物開発において重要な役割を果たす。DTIsにおける実験方法は時間がかかり,高価で挑戦的である。これらの問題を解決するために,効果的な特徴抽出と負のサンプリングによって制限される機械学習ベースの方法を紹介した。本研究では,標的蛋白質に対する薬物および両親媒性擬似アミノ酸組成(APAAC)に対する電気トポロジー状態(E状態)フィンガープリントの特徴を試験した。E状態フィンガープリントを,同じ計量で分子電子とトポロジー特徴の両方に基づいて抽出した。APAACはアミノ酸組成(AAC)の拡張であり,それは配列順序情報を構築するために親水性および疎水性特性に基づいて計算される。これらの特徴対の組合せを用いて,予測モデルをサポートベクトルマシンによって確立した。特徴の有効性を高めるために,距離ベースの負のサンプリングを提案し,信頼できる負のサンプルを得た。受信者動作特性(AUC)の曲線下面積の予測結果は,本研究の3つのデータセット全てで98.5%以上であることを示した。最先端の方法の比較は,提案した方法の有効性と効率を実証し,それは更なる薬物開発に役立つであろう。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *相互作用 ,  特徴抽出 ,  親水性 ,  疎水性 ,  *アミノ酸組成 ,  *指紋 ,  *両親媒性 ,  血中濃度-時間曲線下面積 ,  機械学習 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： 創薬 ,  標的蛋白質 ,  創薬標的 , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物-標的相互作用 ,  E状態指紋 ,  APAAC ,  距離ベースの負のサンプリング ,  サポートベクトルマシン

分類 (5件)： 分子・遺伝情報処理  (JE15040B) ,  生物学的機能  (EB03040U) ,  薬物の研究法  (GV01020U) ,  生物薬剤学(基礎)  (GY01021U) ,  薬物の合成  (GV01030F)

引用文献 (51件)：

• He, Z.; Zhang, J.; Shi, X.H.; Hu, L.L.; Kong, X.; Cai, Y.D.; Chou, K.C. Predicting drug-target interaction networks based on functional groups and biological features. PLoS ONE 2010, 5, e9603.
• Parsons, A.B.; Brost, R.L.; Ding, H.; Li, Z.; Zhang, C.; Sheikh, B.; Brown, G.W.; Kane, P.M.; Hughes, T.R.; Boone, C. Integration of chemical-genetic and genetic interaction data links bioactive compounds to cellular target pathways. Nat. Biotechnol. 2004, 22, 62-69.
• Alaimo, S.; Pulvirenti, A.; Giugno, R.; Ferro, A. Drug-target interaction prediction through domain-tuned network-based inference. Bioinformatics 2013, 29, 2004-2008.
• Cheng, F.; Liu, C.; Jiang, J.; Lu, W.; Li, W.; Liu, G.; Zhou, W.; Huang, J.; Tang, Y. Prediction of drug-target interactions and drug repositioning via network-based inference. PLoS Comput. Biol. 2012, 8, e1002503.
• Wang, L.; You, Z.H.; Chen, X.; Xia, S.X.; Liu, F.; Yan, X.; Zhou, Y.; Song, K.J. A Computational-Based Method for Predicting Drug-Target Interactions by Using Stacked Autoencoder Deep Neural Network. J. Comput. Biol. 2018, 25, 361-373.

タイトルに関連する用語 (8件)： 電気生理学 ,  フィンガープリント ,  両親媒性 ,  アミノ酸組成 ,  薬物 ,  標的 ,  相互作用 ,  予測