相乗効果ネットワーク薬理学のための機械学習：包括的概要

ネットワーク薬理学は、薬物の作用と複数の標的との相互作用を理解しようとする体系的な薬物研究の新しい領域です。ネットワーク薬理学は「一つの標的、一つの薬」から高い効果を持つ「多標的薬」へのパラダイムの変化をもたらしました。それにもかかわらず、この相乗的アプローチは、膨大で異種なデータから薬物標的、作用機序、薬物と生物との相互作用などの有効な情報を抽出することを特に困難にしています。多標的薬の発見におけるボトルネックを克服するために、計算アルゴリズムが科学コミュニティから強く求められています。機械学習（ML）、特にその亜分野の深層学習（DL）は、目覚ましい進展を遂げています。これらの分野で開発された技術は、今や多様な形式の膨大なデータを分析し学ぶことができるようになっています。ネットワーク薬理学の観点から、MLはビッグデータからの発見と意思決定を改善できます。MLを適用する機会は、ネットワーク薬理学研究のすべての段階で発生します。例としては、生物活性小分子のスクリーニング、標的同定、代謝経路の同定、タンパク質間相互作用ネットワーク分析、ハブ遺伝子分析、化合物と標的タンパク質との結合親和性の発見などがあります。このレビューは、ネットワーク薬理学におけるMLの主要なアルゴリズム概念を要約し、将来の機会、潜在的な応用、ならびにネットワーク薬理学におけるMLの実装におけるいくつかの残された課題を予測します。私たちの知る限り、この研究はネットワーク薬理学におけるMLアプローチの最初の包括的評価を提供し、製薬産業におけるネットワーク薬理学の発展と受け入れに向けたさらなる努力を促すことを期待しています。