XiaoMi-AI文件搜索系统
World File Search SystemADMET
简历 - 阿伽门农·克拉索利斯
高级数据科学家和生物信息学家 Intelligencia AI，希腊雅典 2023 年 - 分子特性（ADMET）预测；临床试验结果预测；癌症治疗反应预测；生物医学知识图谱 机器学习研究员 Insilico Medicine，阿联酋（远程） 2023 年 分子特性（ADMET）预测；梯度提升；循环神经网络 (RNN)；不确定性量化；软件设计 高级机器学习工程师/技术主管 Deeplab，希腊雅典 2020 年 - 2022 年 使用图神经网络 (GNN) 进行早期药物发现的虚拟筛选 研发主管；项目管理（2 名机器学习工程师）；研究实习生监督（5 名培训生）；资金获取（NVIDIA 加速器计划 ∼ 20,000 欧元）；JEDI Billion Molecules 抗击 COVID-19 竞赛（入围团队）；传播（1 项专利申请；2 篇出版物）；研究与实验（模型训练和数据管理）；软件开发；与利益相关者的演示和交流 基于 EEG 的脑机接口 (BCI) 和深度神经网络 研发主管；算法团队工程管理（4 名 ML 工程师）；项目管理；软件设计和架构 研究助理（博士后） 英国纽卡斯尔大学工程学院 2018–2020 上肢肌电假肢控制的运动和机器学习 研究助理（博士后） 英国爱丁堡大学信息学院 2017–2018 深度学习应用于密码学 软件工程师 英国爱丁堡大学社会与政治科学学院 2013–2016 神经政治研究中 fMRI 实验的软件设计和开发 助教/实验室演示者 英国爱丁堡大学信息学院 2013–2017 ML 与模式识别；概率建模与推理；入门应用 ML；数据挖掘与探索；神经计算研究助理 英国南安普顿大学声音与振动研究所 (ISVR) 2012 用于人工耳蜗用户降噪和增强语音清晰度的 ML 算法
药物研发中的人工智能
摘要 随着药物开发支出呈指数级增长，整个药物发现过程需要一场可持续的革命。由于人工智能（AI）正在引领第四次工业革命，AI可以被视为不稳定药物研发的可行解决方案。通常，AI应用于具有足够数据的领域，例如计算机视觉和自然语言处理，但也有许多努力通过应用AI来彻底改变现有的药物发现过程。本综述全面、有条理地总结了AI引导的药物发现过程的最新研究趋势，包括靶标识别、命中化合物识别、ADMET预测、先导化合物优化和药物重新定位。本综述还总结了每个领域的主要数据来源。此外，还将深入分析剩余的挑战和局限性，并提出上述每个领域有希望的未来方向。
![arxiv：2010.03951v1 [q-bio.qm] 2020年10月5日](/simg/8\857de6e6f75e00a1af4cccce1e3e961bb9f76f48.webp)
arxiv：2010.03951v1 [q-bio.qm] 2020年10月5日
展示了技术。在这里，我们提出了一个名为Moldesigner的人类Web用户界面（UI），以帮助药物开发人员利用DL来改善药物设计。鉴于药物分子，霉菌签名人可以预测由最新的DL模型中的各种重要指数，该指标由我们的Deeppurpose库提供支持[8]。他们提供实时反馈，以帮助药物开发人员修改分子结构并在此过程中进行迭代，直到模型开始显示候选药物具有合理的措施和特性为止。以这种方式，药物开发人员可以利用DL模型快速设计一种不仅对目标蛋白具有高效率的药物，而且具有理想的ADMET特性。霉菌签名者对于铅优化特别有用，在药物开发人员对分子结构进行化学修饰以提高药物质量的情况下。
药物发现和开发中的新治疗方式：见解和机遇
抗体、抗体-药物偶联物、融合蛋白、神经毒素、肽、聚合物、小干扰 RNA、疫苗等正在进入市场。此外，所谓的“超越五化合物规则”（bRo5）的引入表明，即使对于一些要求苛刻的靶标，也可以设计和优化较大的化合物（MW >> 500），以具有足够的 ADMET 特征并产生具有所需体内效果的生物利用度。虽然尚未报道设计口服生物可利用 bRo5 候选药物的一般策略，但构象灵活性已被确定为描述大型柔性衍生物的 ADME 特征的重要参数。例如，最近有研究表明，灵活性描述符有助于改善 bRo5 化合物的计算溶解度预测 [8]。此外，许多 bRo5 化合物似乎具有内在的潜力，可以构象调整以适应周围介质并表现得像分子变色龙。例如，已经分析了以环境依赖性方式形成的分子内氢键，以解释一些新治疗方式的被动渗透技巧[9,10]。
鉴定PPA1抑制剂候选物，以重新利用癌症医学
缩写：Acpype，Antchamber Python Parser界面；助理，吸收，分布，代谢，排泄和毒性； ATP，三磷酸腺苷； cAMP，环状AMP，腺苷3'，5' - 环状单磷酸盐； DCCM，动态交叉相关矩阵；涂料，离散优化的蛋白质能； DSSP，定义蛋白质的二级结构；美国食品和药物管理局FDA； FEL，自由能景观； GTP，三磷酸鸟嘌呤； Lincs，线性约束求解器； MD，分子动力学； mmpbsa，分子力学泊松 - 玻尔兹曼表面积； NPT，恒定数量的颗粒，系统压力和温度； NVT，恒定颗粒数，系统体积和温度； PCA，主成分分析； PDB，蛋白质数据库； PI，无机磷酸盐； PME，粒子网埃瓦尔德； PPA1，无机焦磷酸酶1; PPI，无机焦磷酸盐； RG，回旋半径； RMSD，均方根偏差； RMSF，根平方波动； SEM，平均值的标准误差；微笑，简化的分子输入线进入系统。
基于结构的多靶点分子对接及分子动力学模拟分析筛选卵巢癌潜在抑制剂
卵巢癌 (OC) 是女性最常见的癌症之一。OC 是最致命和预后最差的疾病之一。目前，尚无获批的 OC 筛查测试或早期检测方法。因此，仍然迫切需要新的筛查、预防和早期检测策略。植物化合物最近在开发新的、有效的和负担得起的抗癌药物方面变得越来越重要。为了研究蛋白质-配体相互作用，使用分子对接和分子操作环境 (MOE) 工具来寻找目标蛋白的最佳抑制剂。使用分子对接计算化合物对 NY-ESO-1、RUNX3 和 UBE2Q1 蛋白活性位点的空间亲和力。使用 ADMET 分析来确定所选化合物的药物相似性，而使用 MD 模拟和 MMGBSA/MMPBSA 实验来进一步了解结合行为。临床前测试可以帮助确认我们的计算机研究的有效性，并确定该化合物是否可以用作治疗 OC 的抗癌药物。关键词：卵巢癌，抗癌药物，NY-ESO-1，RUNX3，UBE2Q1
在用于从天然化合物发现登革热病毒抑制剂的计算机分析中
摘要。登革热是一个日益增长的全球健康问题，每年发生数百万个病毒疾病。不幸的是，没有批准的治疗方法。DEV> DENV NS5 RDRP蛋白酶由登革热病毒（DENV）作为开发有效的登革热治疗的有希望的治疗靶标。登革热病毒的传播得到了RDRP蛋白酶的帮助。这项工作使用基于基于配体的基于基于结构的技术来生成DENV-2 NS5 RDRP蛋白酶抑制剂。首先，基于配体的Lipinski的五个规则和助力预测用于筛选42个假定的抗病毒天然化合物。测试化合物被停靠到DENV-2 NS5 RDRP蛋白酶的活性区域。根据对接分数，建议将铅化合物（3'-O-甲基二吡啶）作为NS5 RDRP蛋白酶的有前途的抑制剂。这项工作发现了可能在治疗登革热方面有益的DENV-2 NS5 RDRP蛋白酶抑制剂，该蛋白酶抑制剂可能会有益。必须必须通过体外和体内实验来研究这种化合物的有效性。
对选定的有机硫化合物作为潜在
摘要：近年来，从“一种分子、一个靶点、一种疾病”到“多靶点小分子”的新兴范式转变为药物发现开辟了一条巧妙的道路。这一想法已被用于研究针对前所未有的 COVID-19 大流行的有效药物分子，该大流行已成为目前最大的全球健康危机。从临床试验中的药物中认识到有机硫化合物对抗 SARS-CoV-2 的重要性，我们选择了一类对 SARS-CoV 有效的有机硫化合物，并研究了其与 SARS-CoV-2 的多种蛋白质的相互作用。一种化合物对病毒的五种蛋白质（结构和非结构）表现出抑制作用，即主要蛋白酶、木瓜蛋白酶样蛋白酶、刺突蛋白、解旋酶和 RNA 依赖性 RNA 聚合酶。因此，这种化合物成为治疗这种恶性疾病的潜在候选药物。这项工作中进行的药代动力学、ADMET 特性和靶标预测研究进一步激发了该化合物的多功能性，并敦促未来对 SARS-CoV-2 进行体外和体内分析。
针对 SARS-CoV-2 主要蛋白酶和刺突糖蛋白模型对近期 FDA 批准的抗癌药物进行潜在探索：一项计算研究
摘要：COVID-19 已成为全球几乎所有国家医疗保健系统的全球风险，该病毒起源于中国武汉。迄今为止，尚无可用于治疗该疾病的特定药物。SARS-CoV-2 的确切来源尚不清楚，尽管早期病例与华南华南海鲜市场有关。本文报告了最近 FDA 批准的抗癌药物（Capmatinib、Pemigatinib、Selpercatinib 和 Tucatinib）的计算机分子建模，以了解它们对 COVID-19 靶标的抑制作用。将选定的抗癌药物对接在 SARS-CoV-2 主蛋白酶（PDB ID：6LU7）和 SARS-CoV-2 刺突糖蛋白（PDB ID：6M0J）上，以确定这些药物的结合能力。评估了药物的 ADMET 参数，此外，还进行了 DFT 计算以研究药代动力学、热参数、偶极矩和化学反应性描述符。讨论了对接能 (ΔG) 和相互作用的氨基酸残基。已经得出了有希望的分子对接结论，证明了所选抗癌药物具有开发用于对抗 COVID-19 的合理药物的潜力。对该药物的进一步优化可能会支持缓解疫情所急需的快速反应。