Predicting Subtype Selectivity for Adenosine Receptor Ligands with Three-Dimensional Biologically Relevant Spectrum (BRS-3D).

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Adenozin reseptörleri (ARs), Parkinson hastalığı, diyabet, ağrı, inme ve kanserler için potansiyel terapötik hedeflerdir. Bu nedenle alt tip seçicilik öngörüsü hem terapötik hem de mekanistik perspektiflerden önemlidir. Bu makalede, AR seçicilik tahmini için moleküler tanımlayıcı, yani üç boyutlu biyolojik olarak ilgili spektrum (BRS-3D) olarak şekil benzerliği profilini tanıttık. Çift yönlü regresyon ve ayrımcılık modelleri destek vektör makinesi yöntemleri ile oluşturulmuştur. Regresyon modellerinin ortalama kararlılık katsayısı (r2) 0.664 idi (test setleri için). 2B-3 (A2B vs A3) modeli, eğitim setleri için q2 = 0.769 (10 kat çapraz doğrulama) ve test setleri için r2 = 0.766, RMSE = 0.828 ile en iyi performans gösterdi. Modellerin sağlamlığı ve istikrarı 100 kat yeniden örnekleme ve 500 kat Y-randomizasyon ile doğrulandı. BRS-3D'nin performansını MOE tarafından hesaplanan 3D tanımlayıcılarla karşılaştırdık. BRS-3D, MOE 3D tanımlayıcıları kadar iyi veya daha iyi performans gösterdi. Ayrımcılık modellerinin performansları da teşvik ediciydi, ortalama doğruluk (ACC) 0.912 ve MCC 0.792 (test seti). 2A-3 (A2A vs A3) seçicilik ayrımcılık modeli (ACC = 0.882 ve MCC = 0.715 test seti için) daha önce bildirilen bir modelden daha iyi performans gösterdi (ACC = 0.784). Bu sonuçlar, çoklu konformasyon kodlaması yoluyla, BRS-3D'nin AR alt tip seçicilik tahmini için etkili bir moleküler tanımlayıcı olarak kullanılabileceğini göstermiştir.

Özgün kaynak özetini okuyun

Adenosine receptors (ARs) are potential therapeutic targets for Parkinson's disease, diabetes, pain, stroke and cancers. Prediction of subtype selectivity is therefore important from both therapeutic and mechanistic perspectives. In this paper, we introduced a shape similarity profile as molecular descriptor, namely three-dimensional biologically relevant spectrum (BRS-3D), for AR selectivity prediction. Pairwise regression and discrimination models were built with the support vector machine methods. The average determination coefficient (r2) of the regression models was 0.664 (for test sets). The 2B-3 (A2B vs A3) model performed best with q2 = 0.769 for training sets (10-fold cross-validation), and r2 = 0.766, RMSE = 0.828 for test sets. The models' robustness and stability were validated with 100 times resampling and 500 times Y-randomization. We compared the performance of BRS-3D with 3D descriptors calculated by MOE. BRS-3D performed as good as, or better than, MOE 3D descriptors. The performances of the discrimination models were also encouraging, with average accuracy (ACC) 0.912 and MCC 0.792 (test set). The 2A-3 (A2A vs A3) selectivity discrimination model (ACC = 0.882 and MCC = 0.715 for test set) outperformed an earlier reported one (ACC = 0.784). These results demonstrated that, through multiple conformation encoding, BRS-3D can be used as an effective molecular descriptor for AR subtype selectivity prediction.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.