Key points are not available for this paper at this time.
يعتبر التنبؤ الحاسوبي بالتفاعلات بين الأدوية وبروتيناتها المستهدفة ذا أهمية كبيرة لاكتشاف وتصميم الأدوية. تكمن صعوبات تطوير طرق الحوسبة لتوقع مثل هذه التفاعلات المحتملة في ندرة تفاعلات الأدوية المعروفة مع البروتينات وعدم وجود عينة مؤكدة سلبية للتفاعل بين الأدوية والأهداف. علاوة على ذلك، تحتاج البروتينات المستهدفة أيضًا إلى أن تُتنبأ لبعض الأدوية الجديدة دون أي معلومات معروفة عن تفاعل الأهداف. في هذه الورقة، يتم تقديم طريقة تعلم شبه مشروطة تُعرف بـ NetCBP لمعالجة هذه المشكلة من خلال استخدام معلومات التفاعل المسماة وغير المسماة. بافتراض وجود تفاعلات متسقة بين الأدوية المرتبة حسب صلتها بالعقار الاستعلامي، والبروتينات المستهدفة المرتبة حسب صلتها بالبروتينات المستهدفة الخفية للعقار الاستعلامي، نقوم بصياغة إطار تعلم يزيد من الاتساق المرتبة بالنسبة لتفاعلات الأدوية المعروفة مع الأهداف. عندما تم تطبيقه على أربع فئات من الشبكات المهمة لتفاعل الأدوية مع الأهداف، طورت طريقتنا الطرق السابقة من حيث التحقق المتبادل وتم تأكيد بعض التفاعلات المتوقعة بشدة بواسطة قواعد بيانات الأهداف المخصصة للأدوية المتاحة للعامة، مما يدل على فائدة طريقتنا. أخيرًا، يوفر التنبؤ الشامل بتفاعلات الأدوية مع الأهداف إمكانية اقتراح العديد من التفاعلات المحتملة الجديدة لأدوية-أهداف لمزيد من الدراسات.
درس تشين وآخرون (الثلاثاء) هذا السؤال.