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。
摂動代謝ネットワーク(MNs)による多剤耐性(MDR)株の出現は,研究者が抗細菌薬(AD)を改善することを推進している。ある種のナノ粒子(NP)は,デリバリーシステムとして作用すると共に抗菌活性を示す。このように,二重抗菌薬物ナノ粒子(DADNP)システムの開発は,選択肢になる。しかし,異なるMNsによるDADNP対菌株の試験は,ハードで高価なタスクである。人工知能(AI)または機械学習(ML)は,細菌感受性の予測によってこれを加速することができた。本研究では,AI/ML法の新しい応用として,病原性細菌種のMNに対するDADNP(AD+NP)システムの情報融合摂動-理論機械学習(IFPTML)解析とマッピングを用いた。さらに,ほとんどの既存のAI/MLモデルは,入力ベクターとしてアッセイ(即ち,細菌種,菌株,NP形状など)の実験条件のc_jを利用しなかった。作業解は,情報融合(IF)付加アプローチによるAI/ML法の使用である。付加IFはベクターD_dk,D_nk,D_mkおよびc_dk,c_nk,c_skのセットを,AD,NP,およびMNの構造と分析を別々に入力する。従って,IFPTMLアルゴリズムを選択して,300NPアッセイで富化した>160000ADアッセイのChEMBLデータセットに基づく予測モデルと,異なる細菌種の>25MNを検索した。IFPTMLはIFプロセスを用いて,D_dk,D_nk,D_skおよびc_dk,c_nk,c_skベクトル情報,およびMLアルゴリズムに,モデルを訓練するために,3つのデータセット,PTオペレータ(PTO)を接合する。”PTOP”は,D_dk,D_nk,D_sk,およびc_dk,c_nk,c_skベクトル情報,およびMLアルゴリズムを結合する。Sp≒90%およびSn≒80%のIFPTML線形判別分析(LDA)モデルおよび訓練/検証シリーズにおけるSp≒Sn≒95%で見出された最良の人工ニューラルネットワーク(ANN)モデルは良好な結果を示した。この種のモデルはDADNPシステム発見に有用である。また,推定DADNPシステム対野生型およびノックアウト(KO)計算による細菌菌株の>140000点のシミュレーションも行った。直線的および付加的IFPTMLモデルは,高度な構造的および生物学的多様性を有する複雑なDADNPの102の実験ケースを予測することができた。これはMDR細菌の新しい株を検出するのに役立つMDR計算監視の概念を紹介する。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】