NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İlaç keşif boru hatları, kötü şöhretli yüksek başarısızlık riskine rağmen muazzam zaman ve maliyet gerektirir. Bu nedenle bu riskin azaltılması bu süreçte en yüksek hedef olmuştur. Son zamanlarda, geleneksel oryantal tıpta (TOM) doğal ürünler (NP'ler) tarih boyunca desteklenen etkinlik ve güvenlikleri için spot ışıklarına gelmiştir. Sadece bu değil, çeşitli biyolojik veri kümelerinin giderek artan deposuyla, silico yaklaşımlarındaki birçok veri güdümlü daha iyi verimli arama ve test için de kapsamlı bir şekilde incelenmiştir. Bununla birlikte, TOM tabanlı veri kümeleri son zamanlarda yaygın olan hastalıklar hakkında bilgi eksikliği yaşarken, deneysel veri kümeleri çok büyük hedef alanlar sağlamaya eğilimlidir. Her iki yaklaşımın yeterli kombinasyonu bu nedenle birbirlerinin boşluklarını doldurabilir. Bu çalışmada, belirli bir hastalık için NP'lerden türetilen ilaç adaylarını önermek için böyle bir entegrasyon sağlayan bir silico keşif boru hattı olan NaCTR'yi tanıtıyoruz. İlk olarak, hastalık için fenotipler ve hastalık genleri literatürde ve kamu veritabanlarında tanımlanır. İkinci olarak, potansiyel olarak terapötik NP'lerin bir havuzu, hem TOM tabanlı fenotip kayıtları hem de bileşik gen etkileşim veri kümelerine dayanarak tanımlanır. Son olarak, NP'lerde bulunan bileşikler, toksisite ve farmakokinetik özellikler için daha fazla taranır. Parkinson hastalığını NaCTR boru hattını test etmek için vaka çalışması olarak kullanıyoruz. Boru hattı aracılığıyla, yeni ilaç adayları olarak glutatyon ve diğer dört bileşiği teklif ediyoruz. Bu bulguyu literatür desteği ile daha da vurguluyoruz. Eski ve son depolardan gelen verileri etkili bir şekilde birleştiren ilk kaynak olarak, NaCTR boru hattı diğer hastalıklara başarıyla uygulanabilen yeni bir boru hattı olabilir.
Özgün kaynak özetini okuyun
The drug discovery pipelines require enormous time and cost, albeit their infamously high risk of failures. Reducing such risk has therefore been the utmost goal in the process. Recently, natural products (NPs) in traditional oriental medicine (TOM) have come into the spotlight for their efficacy and safety supported throughout the history. Not only that, with the ever-increasing repository of various biological datasets, many data-driven in silico approaches have also been extensively studied for better efficient search and testing. However, TOM-based datasets lack information on recently prevalent diseases, while experimental datasets are prone to provide target spaces that are too large. Adequate combination of both approaches can therefore fill in each other's blanks. In this study, we introduce NaCTR, an in silico discovery pipeline that achieves such integration to suggest NPs-derived drug candidates for a given disease. First, phenotypes and disease genes for the disease are identified in literature and public databases. Secondly, a pool of potentially therapeutic NPs are identified based on both TOM-based phenotype records and compound-gene interaction datasets. Lastly, the compounds contained in the NPs are further screened for toxicity and pharmacokinetic properties. We use the Parkinson's disease as the case study to test the NaCTR pipeline. Through the pipeline, we propose glutathione and four other compounds as novel drug candidates. We further highlight the finding with literature support. As the first to effectively combine data from ancient and recent repositories, the NaCTR pipeline can be a novel pipeline that can be applied successfully to any other diseases.
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.