基于MOR、DOR、KOR、NOR和ZOR相互作用组网络的阿片类药物使用障碍的机器学习分析
生物大分子
2023-01-13 v1
摘要
阿片类药物使用障碍（OUD）持续对全球公共卫生和社会造成重大挑战，阿片类药物依赖的急剧增加导致了潜在的滥用。尽管已有少数药物获批用于OUD治疗，但这些药物的疗效仍需进一步提高，以提供更安全、更有效的药物和心理社会治疗。更优的OUD治疗方法依赖于对阿片类药物依赖的神经生物学机制理解的进展。包括mu、delta、kappa、nociceptin和zeta阿片受体在内的蛋白质是阿片类药物的直接靶点。每种受体都有一个庞大的蛋白质-蛋白质相互作用（PPI）网络，在不同处理下表现各异，从而增加了开发有效阿片成瘾治疗药物的复杂性。以下报告通过展示一项基于PPI网络信息的OUD机器学习研究来分析这项工作。我们检测了五个阿片受体网络中的500多种蛋白质，并随后收集了74个抑制剂数据集。通过将梯度提升决策树（GBDT）算法与两种先进的基于自然语言处理（NLP）的分子指纹配对，构建了机器学习模型。利用这些模型，我们系统地评估了针对四种阿片受体的候选药物的筛选和再利用潜力。此外，在筛选潜在候选药物时，还考虑了吸收、分布、代谢、排泄和毒性（ADMET）性质。我们的研究可以成为OUD治疗药物开发的一种有价值且有前景的工具。
引用
@article{arxiv.2301.04815,
title = {Machine-learning Analysis of Opioid Use Disorder Informed by MOR, DOR, KOR, NOR and ZOR-Based Interactome Networks},
author = {Hongsong Feng and Rana Elladki and Jian Jiang and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2301.04815},
year = {2023}
}