表現型プロファイルと化学構造からの化合物活性の予測【JST・京大機械翻訳】

Moshkov, N.; Becker, T.; Yang, K.; Horvath, P.; Dancik, V. C.; Wagner, B. K.; Clemons, P. C.; Singh, S.; Carpenter, A. E.; Caicedo, J. C.

プレプリント

J-GLOBAL ID：202202219216557294 整理番号：21P0239915

表現型プロファイルと化学構造からの化合物活性の予測【JST・京大機械翻訳】

Predicting compound activity from phenotypic profiles and chemical structures

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年04月10日プレプリントサーバーでの情報更新日： 2022年04月10日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深部学習における最近の進歩は,化合物に対するアッセイ結果を正確に予測するための化学構造と表現型プロファイルを用いて,薬物-椎間板プロセスにおけるスクリーンの時間とコストを実質的に低減することを可能にした。3つのハイスループットデータソース-化学構造,画像(Cell Painting),および遺伝子発現プロファイル(L1000)の相対的強度を評価し,合計585,439の読み出しについて270のアッセイでテストした16,170の化合物のまばらな歴史的収集を用いて,化合物活性を予測した。すべての3つのデータ様式は,試験の6~10%で高精度で化合物活性を予測することができる;医薬品産業を通して計算的に優先したより小さなスクリーンと百万の化合物物理スクリーンを置き換えることは,主要な節約をもたらす。さらに,3つのプロファイリング様式は相補的であり,組合せにおいて,それらは高い精度で21%のアッセイを予測でき,また,より低い精度が許容できるならば64%を予測できた。著者らの研究は,多くのアッセイに対して,表現型プロファイルと化学構造からの化合物活性の予測が,薬物-椎間板プロセスの初期段階を加速するかもしれないことを示した。【JST・京大機械翻訳】

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

薬物学一般

, , , ,

前のページに戻る