文献

J-GLOBAL ID：202202274430732691   整理番号：22A0695640

作用機序(MoA)のコンピュータ解析:データ,方法および統合【JST・京大機械翻訳】

Computational analyses of mechanism of action (MoA): data, methods and integration

著者 (3件)： Trapotsi Maria-Anna (Centre for Molecular Informatics, Yusuf Hamied Department of Chemistry, University of Cambridge, UK. [e-mail]) ,  Hosseini-Gerami Layla ,  Bender Andreas
資料名： RSC Chemical Biology  (RSC Chemical Biology)
巻： 3  号： 2  ページ： 170-200  発行年： 2022年 
JST資料番号： W6468A  ISSN： 2633-0679  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Action(MoA)の化合物機構の解明は,創薬過程における挑戦的な仕事であるが,表現型所見を合理化し,潜在的副作用を予想するために重要である。バイオインフォマティクスアプローチ,機械学習技術の進歩,および公共データベースにおける高スループットデータの堆積の増加は,分野における最近の進歩に大きく寄与しているが,どのデータと方法が与えられた場合での使用に最も適しているかを決定するのは簡単ではない。このレビューにおいて,これらの方法及びデータ及びその後の実験的検証のためのMoA仮説の生成におけるそれらの応用に焦点を当てた。著者らは,ネットワークや経路データのような通常用いられる補助事前知識と同様に,オミクス,細胞形態,および生物活性データなどの化合物特異的データについて議論し,このデータがアクセスできるデータベースに関する情報を提供する。方法論に関して,著者らは,よく確立された方法(接続性マッピング,経路濃縮)と,より多くの開発方法(ニューラルネットワークとマルチオミクス統合)の両方について議論する。最後に,化合物のMoAが,複数のデータモダリティおよび/または方法論を組み込むことによって,計算解析からうまく示唆された事例研究をレビューした。本レビューの目的は,理解,バイアスおよび解釈のレベルに関して,データおよび方法の両方の利点および欠点への洞察を洞察し,また,著者らは,データ統合が可能な,オミクスデータおよび方法論へのより大きな公共アクセスを含む,MoA解明の分野を改善するであろう研究の今後の道筋を強調することである。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 合理化 ,  製品開発 ,  情報科学 ,  データベース ,  ネットワーク ,  ニューラルネットワーク ,  表現型 ,  副作用 ,  生物活性 ,  *作用機序 ,  事例研究 ,  データ融合
準シソーラス用語： モダリティ ,  事前知識 ,  バイオインフォマティクス ,  創薬 ,  オミックス , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (3件)： 作用機序 ,  コンピュータ解析 ,  統合