Gegevensintegratie voor de voorspelling van drug-target interacties in voor de ontwikkeling van geneesmiddelen en 'drug repositioning’

Goedgekeurde geneesmiddelen hebben favoriete of gevalideerd farmacokinetische eigenschappen en toxicologische profielen, en de herpositionering van bestaande geneesmiddelen voor nieuwe indicaties kunnen potentieel dure kosten in verband met een vroeg stadium het testen van de hit verbindingen te vermijden. In de afgelopen jaren de technologische vooruitgang in de virtuele screening methoden hebben toegestaan medicinale chemici om snel te screenen drug bibliotheek voor therapeutische werkzaamheid tegen nieuwe biomoleculaire doelen. Hoewel de combinatie van virtuele screening en herbestemming mogelijk is een zeer efficiënte en kosteneffectieve strategie in drug discovery echter geen perfecte rekensoftware voor voorspelling beschikbaar. In feite, elke benadering beschouwt slechts specifieke typologie van gegevens, zonder rekening te houden andere belangrijke informatie. Het doel van mijn project is om de snelheid van vals-negatieve en vals positieve te verminderen, en het verbeteren van de voorspelling kracht in drug herpositionering, door het fuseren van verschillende benaderingen. Gedurende de komende vier jaar ga ik om te studeren en structure-based, ligand-based en netwerk-gebaseerde technieken toe te passen voor het voorspellen van de interactie tussen bekende verbindingen en verschillende doelen, en ik zal alle resultaten met data-integratie methoden te verenigen, met het oog om nauwkeuriger resultaten te verkrijgen. Het protocol wordt toegepast op verschillende concrete gevallen, om nieuwe treffers interessante doelen, zoals sommige kinasen betrokken bij metastase en B-celactivering te vinden. Data-integratie is een wiskundig werktuig kan diepgaand inzicht in processen en kan worden uitgevoerd zoals meta-analyse heterogene gegevens uit verschillende experimenten integreren. In dit specifieke geval wordt matrixfactorizatie worden gebruikt voor het combineren van verschillende soort resultaten, verkregen uit drie verschillende voorspellende methoden: Ligand-based: ligand gelijkenis wordt bepaald door het vergelijken van 3D- en 2D-fingerprinting van de structuur van niet-verwante bekende verbindingen, met het oog op gemeenschappelijke kenmerken die kunnen leiden van de binding te vinden; Structuurgebaseerde: bestaat de vergelijking van vingerafdrukken farmacofoor basis van de bindingsplaatsen, omdat de aanname dat soortgelijke bindingsplaatsen vergelijkbare liganden bindt; Netwerkgebaseerde: voorspelling op basis van de studie van het netwerk van interacties tussen eiwitten, verbindingen en genen, gebouwd op de bekende informatie, voorspellingen en differentiële expressie van functioneel gerelateerde genen.