基于MOR、DOR、KOR、NOR和ZOR相互作用网络的机器学习分析阿片类药物使用障碍
摘要：阿片类药物使用障碍（OUD）不断对全世界的公共卫生和社会产生重大挑战，随着阿片类依赖的剧增，潜在滥用问题也日益严重。尽管已有一些药物被批准用于OUD治疗，但这些药物的疗效需要进一步提高，以提供更安全和有效的药物和心理社会治疗。理想的OUD治疗依赖于对阿片类依赖的神经生物学机制的进一步认识。阿片类受体包括μ、δ、κ、伤害素和Zeta受体是阿片类药物的直接靶点。每个受体都有一个大的蛋白质-蛋白质相互作用（PPI）网络，该网络在不同的治疗下表现出不同的行为，因此增加了有效阿片类成瘾治疗过程的复杂性。以下报告通过展示基于PPI网络的机器学习研究OUD的工作进行了分析。我们在五种阿片类受体网络中检查了500多种蛋白质，随后收集了74个抑制剂数据集。通过将梯度提升决策树（GBDT）算法与两种先进的基于自然语言处理（NLP）的分子指纹配对，构建了机器学习模型。借助这些模型，我们系统地评估了四种阿片类受体的药物候选物的筛选和再利用潜力。此外，在筛选潜在药物候选物时还考虑了吸收、分布、代谢、排泄和毒性（ADMET）特性。我们的研究可以成为OUD治疗药物开发的有价值和有希望的工具。
作者：Hongsong Feng, Rana Elladki, Jian Jiang, and Guo-Wei Wei
论文ID：2301.04815
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2023-01-13