文献

J-GLOBAL ID：202202280820984058   整理番号：22A0636350

有向メッセージ通過ニューラルネットワークによるhERGチャネル遮断薬の予測【JST・京大機械翻訳】

Predicting hERG channel blockers with directed message passing neural networks

著者 (6件)： Shan Mengyi (College of Pharmaceutical Sciences, Zhejiang Chinese Medical University, Hangzhou 310053, People’s Republic of China. [e-mail] [e-mail]) ,  Jiang Chen ,  Chen Jing ,  Qin Lu-Ping ,  Qin Jiang-Jiang ,  Cheng Gang
資料名： RSC Advances (Web)  (RSC Advances (Web))
巻： 12  号： 6  ページ： 3423-3430  発行年： 2022年 
JST資料番号： U7055A  ISSN： 2046-2069  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： ヒトエーテル-a-go関連遺伝子(hERG)遮断活性を有する化合物は重度の心毒性を引き起こす可能性がある。薬物発見過程の初期段階におけるhERGの責任は重要であり,hERGチャンネル遮断薬を予測するためのin silico法は活発に追求されている。本研究では,有向メッセージ通過ニューラルネットワーク(D-MPNN)を適用して,多様なデータセットに基づくhERG遮断薬を同定するための分類モデルを構築した。いくつかの記述子と指紋をD-MPNNモデルと共に試験した。これらのすべての組合せの中で,MOE(D-MPNN+moe206)から生成されたmoe206記述子を有するD-MPNNは,著しく改善された性能を示した。D-MPNN+moe206モデルのAUC-ROC値は,ランダム分割下で0.956±0.005,CaiのhERGデータセット上で足場分割下で0.922±0.015に達した。さらに,著者らのモデルといくつかの最近報告された機械学習モデル間の比較を,様々なデータセットに基づいて行った。結果は,D-MPNN+moe206モデルが最良の分類モデルの間にあることを示した。全体として,本研究で達成されたDMPNN+moe206モデルの優れた性能は,新規で効果的なhERG遮断薬の発見における応用の可能性を強調した。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： *ニューラルネットワーク ,  毒性 ,  遺伝子 ,  薬物 ,  モデル ,  指紋 ,  化合物 ,  活性 ,  チャネル ,  機械学習
準シソーラス用語： 心毒性 ,  in silico ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 細胞膜の輸送  (EF04020R)

タイトルに関連する用語 (5件)： メッセージ ,  ニューラルネットワーク ,  HERGチャネル ,  遮断薬 ,  予測