XiaoMi-AI文件搜索系统
World File Search SystemQSAR
针对乙型肝炎病毒的非结构性蛋白质使用QSAR和机器学习方法预测重新利用的药物
乙型肝炎病毒（HCV）感染引起病毒肝炎，导致肝细胞癌。尽管临床使用直接作用抗病毒药（DAAS），但仍有5-10％的病例的治疗失败。因此，针对HCV开发新的抗病毒药至关重要。在这项工作中，我们使用机器学习和定量结构 - 活性关系（QSAR）方法开发了“抗HCV”平台，以预测针对HCV非结构性（NS）蛋白的重新定义药物。，我们从化学验证的小分子中从化学验证数据库中检索了具有生物活性（IC 50 /EC 50）的实验验证的小分子，该分子针对HCV NS3（454），NS3 /4A（495），NS5A（494）和NS5B（494）和NS5B（1671）蛋白质。这些独特的化合物分为训练/测试和独立验证数据集。使用递归特征消除算法选择相关的分子描述符和细纹。不同的机器学习技术，即。支持向量机，k-nearest邻居，人工神经网络和随机森林用于开发预分类模型。，我们使用最佳开发模型在10倍的横截面中实现了Pearson的相关系数从0.80至0.92，并且在独立数据集上的性能相似。也由适用性域，化学多样性和诱饵数据集分析支持了开发的预测模型的鲁棒性和可靠性。使用“抗HCV”预测模型来识别潜在的重新利用药物。代表性候选者通过分子对接进一步验证，该分子对象表现出高结合功能。靶向HCV NS蛋白。因此，这项研究确定了有望重新利用的药物。naf- tifin，丁亚比塔尔（NS3），乙烯苯甲胺，上rip丁（NS3/4A），pipecuronium，trimephaphan（ns5a），olodaterol和vemurafenib（NS5B）等（NS5B）等这些潜在的重新利用药物可能被证明可用于针对HCV的抗病毒药物开发。2022作者。由Elsevier B.V.代表计算和结构生物技术的研究网络发布。这是CC BY-NC-ND许可证（http：//creative-commons.org/licenses/by-nc-nd/4.0/）下的开放式访问文章。
REACH 下 QSAR 不同用途的多策略评估 替代品分析以提高信息透明度
摘要：在化学品注册、评估、授权和限制 (REACH) 替代品分析 (AoA) 流程中，定量结构-活性关系 (QSAR) 模型在扩展信息收集和组织框架方面发挥着重要作用。越来越多地被认可为注册测试的替代方案。QSAR 已成为评估替代物质时弥补数据差距和支持证据权重 (WoE) 的重要工具。此外，QSAR 在综合测试策略 (ITS) 中的重要性日益增加。例如，针对特定终点的 REACH ITS 框架指示注册人在决定是否需要进一步进行动物测试时考虑非测试结果，包括 QSAR 预测。尽管 QSAR 在这些框架中的重要性有所提高，但在授权下对 QSAR 的使用和 QSAR 文档的评估方面仍存在差距。对于 AoA，对 QSAR 预测在证据收集和组织中发挥作用的不同用途（例如，WoE 和 ITS）的评估仍未得到解决。本研究通过对截至 2017 年 5 月的 24 份 AoA 进行实质性审查，探讨了 QSAR 预测信息的差异，这些 AoA 包含 REACH 下的更高层级端点。了解申请人在 AoA 中管理 QSAR 预测信息的方式并评估其在 ITS 中的潜力，将有助于促进 QSAR 的监管使用，并在技术快速发展的情况下构建未来平台，同时提高信息透明度。
一种用于 QSAR 特征选择的改进型人工蜂群
摘要：定量结构-活性关系 (QSAR) 旨在将分子结构特性与相应的生物活性关联起来。机会相关性和多重共线性是生成 QSAR 模型时经常遇到的两个主要问题。特征选择可以通过删除冗余或不相关的分子描述符来显著提高 QSAR 的准确性和可解释性。人工蜂群算法 (ABC) 模仿蜜蜂群的觅食行为，最初是为解决连续优化问题而提出的。它已应用于分类的特征选择，但很少用于回归分析和预测。本文使用二元 ABC 算法来选择 QSAR 中的特征（分子描述符）。此外，我们提出了一种改进的基于 ABC 的 QSAR 特征选择算法，即 ABC-PLS-1。交叉和变异算子被引入到已聘用蜜蜂和旁观蜜蜂阶段来修改每个解决方案的几个维度，这不仅节省了将连续值转换为离散值的过程，而且还减少了计算资源。此外，提出了一种新的贪婪选择策略，即选择准确率更高、特征更少的特征子集，有助于算法快速收敛。使用三个QSAR数据集对所提算法进行了评估。实验结果表明，ABC-PLS-1在准确率、均方根误差和所选特征数量方面优于PSO-PLS、WS-PSO-PLS和BFDE-PLS。此外，我们还研究了在跟踪回归问题时是否实施侦察蜂阶段，并得出了一个有趣的结论：在处理低维和中维回归问题的特征选择时，侦察蜂阶段是多余的。
PubChem 自动数据挖掘程序，用于筛选十亿种化合物，并通过基于机器学习的 AutoQSAR 算法生成抗冠状病毒
PubChem 自动数据挖掘程序，用于筛选十亿种化合物，并通过基于机器学习的 AutoQSAR 算法生成抗冠状病毒药物线索（复制酶多聚蛋白 1ab 抑制剂）并对顶级药物线索化合物进行计算机模拟研究
分子对接单元5：QSAR统计方法Dr.D....
许多配体的灵活性使得这些计算变得困难，需要开发和使用特殊方法。以下两个例子说明了对此类工具的需求：蛋白酶抑制剂的设计和与特定 MHC 受体结合的肽抗原的分析和设计。我们回顾了从刚体对接扩展到柔性对接的计算概念，以及以下重要的柔性对接和设计策略：(a) 蒙特卡洛/分子动力学对接，(b) 现场组合搜索，(c) 配体构建，以及 (d) 位点映射和片段组装。讨论了使用经验自由能作为目标函数。由于方法学的快速发展，大多数新方法仅在有限数量的应用上进行了测试，并且可能会改进更传统的计算或图形工具获得的结果。
2020 年 3 月 23 日 1 QSAR：定量结构活性关系
•基于结构的筛选：当目标蛋白的结构已知时，可以采用基于受体的计算方法。这些方法涉及将每个配体显式地分子对接到目标的结合位点，从而为每个数据库化合物生成预测的结合模式以及结合位点拟合质量的测量值。然后使用这些信息对化合物进行排序，以期找到用于生物测试的化合物。
审查QSAR模型和用于预测的软件工具...
在评估工业化学物质，化妆品成分以及农药和杀菌剂中的活性物质中，代谢产物和降解物在哺乳动物中的毒性作用很少经过测试。为了动物福利和成本效益的利益，在评估这些类型的化学物质时需要进行动物测试的替代方法。在本报告中，我们回顾了用于吸收，分布，代谢和排泄（ADME）特性中各种类型的各种类型的现状，这些特性对于区分父母化合物的毒理学特征及其代谢物/降解产物通常很重要。审查是从广义上进行的，重点是QSAR和基于规则的方法及其对估计口服生物利用度，人类肠道吸收，血脑屏障渗透，血浆蛋白质结合，代谢和代谢和的适用性。这揭示了广泛而快速增长的文献和一系列软件工具。