基于疼痛相关电压门控钠通道的扩展药物-靶标相互作用网络的机器学习研究
生物大分子
2023-07-13 v1 机器学习
摘要
疼痛是一个重大的全球健康问题，当前疼痛管理的治疗方案在有效性、副作用和成瘾可能性方面存在局限。迫切需要对疼痛治疗的改进与新药的开发。电压门控钠通道，特别是 Nav1.3、Nav1.7、Nav1.8 和 Nav1.9，在神经元兴奋性中发挥关键作用，且主要表达于外周神经系统。靶向这些通道或可提供一种治疗疼痛的途径，同时最小化中枢与心脏不良反应。在本研究中，我们基于疼痛相关钠通道构建蛋白质-蛋白质相互作用（PPI）网络，并开发相应的药物-靶标相互作用（DTI）网络，以识别用于疼痛管理的潜在先导化合物。为确保可靠的机器学习预测，我们从 PPI 网络中超过 1,000 个靶标的集合中精心筛选出 111 个抑制剂数据集。我们采用三种不同的机器学习算法，结合基于先进自然语言处理（NLP）的嵌入，具体而言为预训练 transformer 与自编码器表示。通过系统筛选过程，我们评估了超过 150,000 个靶向 Nav1.7 与 Nav1.8 钠通道的药物候选物的副作用与重定位潜力。此外，我们评估了这些候选物的 ADMET（吸收、分布、代谢、排泄与毒性）性质，以识别具有近最优特征的先导物。我们的策略为疼痛治疗的药理开发提供了一个创新平台，具有改善疗效与减少副作用的潜力。
引用
@article{arxiv.2307.05794,
title = {Machine Learning Study of the Extended Drug-target Interaction Network informed by Pain Related Voltage-Gated Sodium Channels},
author = {Long Chen and Jian Jiang and Bozheng Dou and Hongsong Feng and Jie Liu and Yueying Zhu and Bengong Zhang and Tianshou Zhou and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2307.05794},
year = {2023}
}