机器学习重用DrugBank化合物以用于阿片类物质使用障碍
摘要：阿片类物质成瘾是一种慢性和复发性疾病，具有在有害后果下持续和强迫性使用阿片类物质的特征。迫切需要开发具有改进疗效和安全性的药物用于阿片类物质成瘾的治疗。药物再利用是一种具有前景的药物发现选择，因为它减少了成本并加快了批准程序。基于机器学习的计算方法可以快速筛选DrugBank化合物，识别那些有潜力在阿片类物质成瘾治疗中再利用的化合物。我们收集了四种主要阿片类受体的抑制剂数据，并使用基于梯度提升决策树算法的高级机器学习预测子与两种基于自然语言处理的分子指纹和一种传统的2D指纹进行融合，对DrugBank化合物在四种阿片类受体上的结合亲和力进行了系统分析。根据我们的机器学习预测，我们能够辨别DrugBank化合物对不同受体的各种结合亲和力阈值和选择性。预测结果进一步分析了吸收、分布、代谢、排泄和毒性（ADMET），为再利用DrugBank化合物抑制选择的阿片类受体提供了指导。这些化合物在阿片类物质成瘾治疗中的药理作用需要在进一步的实验研究和临床试验中进行测试。我们的机器学习研究为阿片类物质成瘾治疗的药物发现提供了宝贵的平台。
作者：Hongsong Feng, Jian Jiang, Guo-Wei Wei
论文ID：2303.00240
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2023-03-02