机构名称：
¥ 1.0
大多数药物分子会调节多种靶蛋白，从而产生治疗效果或不良副作用。这种靶标混乱在一定程度上导致了高流失率，并导致当前药物发现过程中成本和时间的浪费，并使化合物选择性评估成为药物开发和再利用工作中的一个重要因素。传统上，化合物的选择性以其靶标活性谱（宽或窄）为特征，可以使用各种统计和信息理论指标进行量化。尽管现有的选择性指标被广泛用于表征化合物的整体选择性，但它们无法量化化合物对特定靶标蛋白（例如感兴趣的疾病靶标）的选择性。因此，我们将化合物选择性的概念扩展到靶标特异性选择性，定义为化合物与其他潜在靶标相比与特定蛋白质结合的效力。我们将目标特异性选择性分解为两个部分：1）化合物针对目标的效力（绝对效力），2）化合物针对其他目标的效力（相对效力）。然后将最大选择性的化合物-靶标对确定为双目标优化问题的解，该双目标优化问题同时优化这两个效力指标。在使用代表广泛多药理活性的大规模激酶抑制剂数据集进行的计算实验中，我们展示了基于优化的选择性评分如何提供一种系统的方法来寻找针对给定激酶靶标的有效和选择性化合物。与现有的选择性指标相比，我们展示了目标特异性选择性如何为多靶向激酶抑制剂的目标选择性和混杂性提供更多见解。尽管选择性得分对于缺失的生物活性值和数据集大小都具有相对稳健性，但我们进一步开发了一种基于置换的程序来计算经验 p 值，以评估给定生物活性数据集中化合物-靶标对观察到的选择性的统计意义。我们提出了几个案例研究，展示了靶标特异性选择性如何区分
针对多靶点药物的靶向化合物选择性……
主要关键词
相关文件推荐
