抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】食品における物理化学的および他の分子は,しばしば確立されたまたは未知の機構によって,陽性健康利益を誘発する。薬剤および治療化合物の生物学的および生物物理学的性質に関するデータは豊富であるが,食品中に通常存在する化合物に対する同様のデータの顕著な欠如がある。特に関連する食品組成データを伴う場合,特定の生物学的影響を有する食品化合物のハイスループット同定のためのコンピュータ法は,より効果的でより個別化された食事計画を可能にする。食品及び食品化合物の包括的分子データベースを通して生物活性を予測するために,既存の薬理学的データを利用するための機械学習ベースツール(PhyteByte)を作成した。【結果】PhyteByteは,構造ベースの活性予測に化学的アプローチを使用し,食品化合物の推定生物活性を明らかにするためにそれを適用する。ツールは入力蛋白質ターゲットを採り,ランダムフォレスト分類器を開発し,ChEMBLデータベースから利用可能な構造と活性データを用いて,その分子指紋に基づく入力分子の影響を予測した。次に,FooDBデータベースから既知の分子構造を有する食品化合物のライブラリーの関連生物活性を予測した。出力は食品化合物のリストであり,関連する生物学的影響を誘発する高い信頼性を持ち,それらの食品及び関連する食品における関連量と共に利用できる。PPARG遺伝子にPhyteByteを適用して,著者らは,この重要な代謝調節因子の以前に同定されたアゴニストと共に,PPARGの推定アゴニストとして,イリゲニン,セサミン,ファルセシン,およびデルタ-サンショオールを同定した。【結語】PhyteByteは,特定の蛋白質標的と相互作用すると予測される食品ベースの化合物を同定する。同定された関係は,実験的または疫学的追跡調査のための食品化合物の優先順位付けに使用可能であり,また,個人化された食事計画と同様に,新しいニュートラシューティカルへの正確なアプローチの迅速な開発に寄与することができる。【JST・京大機械翻訳】
