Die Anwendung von Künstlicher Intelligenz und Arzneimittel-Repositionierung zur Identifizierung von Inhibitoren des Fibroblasten-Wachstumsfaktor-Rezeptors: Eine Übersicht

Künstliche Intelligenz bezieht sich auf die Modellierung intelligenten Verhaltens durch einen Computer mit minimalem menschlichen Einfluss. Techniken zur Arzneimittel-Repositionierung, die auf Künstlicher Intelligenz basieren, beschleunigen den Forschungsprozess und senken die Kosten experimenteller Studien. Die Dysregulation der Fibroblasten-Wachstumsfaktor (FGF)-Rezeptoren der Tyrosinkinasefamilie spielt eine entscheidende Rolle bei einer Vielzahl von Malignitäten. Aufgrund ihrer funktionalen Bedeutung wurden sie als vielversprechende Arzneimittelziele für die Therapie verschiedener Krebserkrankungen betrachtet. Diese Übersicht fasst kleine Moleküle zusammen, die in der Lage sind, FGF-Rezeptoren zu hemmen und die mithilfe von Künstlicher Intelligenz und Repositionierung von Arzneimitteln in klinischen Studien im Zusammenhang mit der Krebstherapie untersucht wurden. Diese Übersicht basiert auf einer Literaturrecherche in den Datenbanken PubMed, Web of Science, Scopus EMBASE und Google Scholar, um die erforderlichen Informationen in jedem Kapitel durch die Verwendung von Schlüsselwörtern wie Künstliche Intelligenz, rechnergestütztes Arzneimitteldesign, Arzneimittel-Repositionierung und FGF-Rezeptor-Inhibitoren zu sammeln. Um dieses Ziel zu erreichen, wurde eine umfangreiche Literaturübersicht über humanmedizinische Studien in diesen Bereichen, die in den letzten 20 Jahrzehnten veröffentlicht wurden, durchgeführt. Nach veröffentlichten Berichten können nichtselektionierte FGF-Rezeptor-Inhibitoren zur Krebsbehandlung eingesetzt werden, und Multitarget-Kinase-Inhibitoren sind die erste Arzneimittelklasse, die aufgrund fortgeschrittener klinischer Studien genehmigt wurde. Zum Beispiel dringen AZD4547 und BGJ398 allmählich in den Konsumzyklus ein und sind gute Optionen für kombinierte Behandlungen. Methoden der Künstlichen Intelligenz und der Arzneimittel-Repositionierung können helfen, geeignete Arzneimittelziele für die zukünftige Hemmung der Karzinogenität erfolgreicher vorauszuwählen.