Los puntos clave no están disponibles para este artículo en este momento.
Realizamos una evaluación sistemática de los perfiles de selectividad de objetivo en tres ensayos bioquímicos recientes a gran escala de inhibidores de quinasas y además comparamos estos ensayos de bioactividad estandarizados con datos reportados en las bases de datos ampliamente utilizadas ChEMBL y STITCH. Nuestra evaluación comparativa reveló beneficios relativos y limitaciones potenciales entre los tipos de bioactividad, así como sesgos en los procesos de curaduría de bases de datos. Ignorar tales problemas en la heterogeneidad y representación de datos puede llevar a un modelado sesgado de los efectos polifarmacológicos de los fármacos, así como a una evaluación poco realista de las estrategias computacionales para la predicción de redes de interacción fármaco-objetivo. Con el objetivo de aprovechar la información complementaria capturada por los diversos tipos de bioactividad, incluyendo IC50, K(i) y K(d), también introducimos un enfoque de integración basado en modelos, denominado KIBA, y demostramos aquí cómo puede usarse para clasificar los objetivos de los inhibidores de quinasas y para identificar errores potenciales en las interacciones fármaco-objetivo reportadas en bases de datos. Se ha puesto a disposición de forma gratuita una matriz integrada de bioactividad fármaco-objetivo que abarca 52,498 compuestos químicos y 467 objetivos de quinasas, incluyendo un total de 246,088 puntuaciones KIBA.
Tang et al. (Wed,) estudiaron esta cuestión.