VDDB：一个用于抗病毒药物发现的综合资源与机器学习平台
生物大分子
2022-09-28 v1 人工智能
机器学习
分子网络
定量方法
摘要
病毒感染是严重威胁人类健康的主要疾病之一。为满足日益增长的对抗病毒药物相关数据资源的挖掘与共享需求，并加速新抗病毒药物的设计与发现，我们呈现了一个开放获取的抗病毒药物资源与机器学习平台（VDDB），据我们所知，它是首个基于人工整理数据、针对实验验证的潜在药物/分子的综合专用资源。目前，VDDB 重点收录 848 种临床疫苗、199 种临床抗体，以及超过 710,000 个小分子，靶向 39 种医学重要病毒（包括 SARS-CoV-2）。此外，VDDB 存储了约 300 万条这些收集到的潜在抗病毒药物/分子的药理数据记录，涉及 314 项基于细胞感染的表型检测和 234 项目标基于基因型的检测。基于这些注释的药理数据，VDDB 允许用户浏览、搜索和下载关于这些收集物的可靠信息以用于各种感兴趣的病毒。特别地，VDDB 还集成了 57 个基于细胞感染和 117 个基于靶标关联的高精度机器学习模型，以支持各类抗病毒物识别相关任务，如化合物活性预测、虚拟筛选、药物重定位和目标钓鱼。VDDB 可免费访问于 http://vddb.idruglab.cn。
引用
@article{arxiv.2209.13521,
title = {VDDB: a comprehensive resource and machine learning platform for antiviral drug discovery},
author = {Shunming Tao and Yihao Chen and Jingxing Wu and Duancheng Zhao and Hanxuan Cai and Ling Wang},
journal= {arXiv preprint arXiv:2209.13521},
year = {2022}
}