文章预览
导读 近日,中南大学湘雅药学院曹东升教授团队在国际权威期刊《Chemical Science》(中科院一区,NI指数期刊)发表了题为“ Predicting novel targets with Bayesian machine learning by integrating multiple biological signatures ”的研究成果。该研究开发了一种靶点预测方法,利用贝叶斯框架整合了 25 种高水平生物表征,捕捉到传统化学描述符未能识别的新靶点,从而通过骨架跃迁提高了靶点预测的准确性。 候选分子的靶标识别是药物开发过程中至关重要的一步,涉及先导化合物的发现、药物的再利用以及潜在的脱靶效应或药物副作用的解释。因此,提高靶点预测的精度具有重要意义。目前的靶点预测方法主要依赖基于配体的化学相似性原理,难以捕捉基于配体高 水平 特征的新化合物-靶点关系。在此背景下,该团队引入了一种创新算法——融合多生物表征策略(FMBS),该
………………………………