日本語AIでPubMedを検索
機械学習プラットフォームによる淋菌の新規成長阻害剤の発見
Machine Learning Platform to Discover Novel Growth Inhibitors of Neisseria gonorrhoeae.
PMID: 32661900 DOI: 10.1007/s11095-020-02876-y.
抄録
目的:
ナイーブベイズモデルを用いた新規低分子成長阻害剤の予測を通じて、淋菌を用いた基礎生物学的・トランスレーショナル研究を推進する。
PURPOSE: To advance fundamental biological and translational research with the bacterium Neisseria gonorrhoeae through the prediction of novel small molecule growth inhibitors via naïve Bayesian modeling methodology.
方法:
淋菌の低分子増殖阻害データを公開しているChEMBLのウェブサイトからデータを閲覧し、キュレーションすることで、機械学習モデル構築のためのトレーニングセットを作成しました。細菌増殖阻害のためのナイーブベイズモデルは、10種類以上の薬物様低分子の商業的ライブラリから世界的な健康関連性のあるこの細菌に対する新規抗菌薬を予測するためのワークフローで利用された。予測結果を実証的に評価し、その妥当性を検証するためのフォローアップを行いました。
METHODS: Inspection and curation of data from the publicly available ChEMBL web site for small molecule growth inhibition data of the bacterium Neisseria gonorrhoeae resulted in a training set for the construction of machine learning models. A naïve Bayesian model for bacterial growth inhibition was utilized in a workflow to predict novel antibacterial agents against this bacterium of global health relevance from a commercial library of >10 drug-like small molecules. Follow-up efforts involved empirical assessment of the predictions and validation of the hits.
結果:
具体的には、2つの低分子が有望な活性プロファイルを示し、N. gonorrrhoeaeに対する薬剤の新規ケモタイプを示すことがわかりました。
RESULTS: Specifically, two small molecules were found that exhibited promising activity profiles and represent novel chemotypes for agents against N. gonorrrhoeae.
結論:
これは、我々の知る限りでは、成功裏にこの細菌の新規成長阻害剤を予測するための最初の機械学習アプローチを表しています。化学ツールや創薬の分野を支援するために、我々は、我々のキュレーションされたトレーニングセットを補足資料の一部として利用可能にし、ベイズモデルはウェブからアクセスできるようにしました。グラフィカルアブストラクト。
CONCLUSIONS: This represents, to the best of our knowledge, the first machine learning approach to successfully predict novel growth inhibitors of this bacterium. To assist the chemical tool and drug discovery fields, we have made our curated training set available as part of the Supplementary Material and the Bayesian model is accessible via the web. Graphical Abstract.