文章发布状态：免费摘要标题：
基于人工智能探索神经退行性疾病抑制剂的应用。
摘要来源：
前神经射击。 2020; 14：617327。 EPUB 2020 12月22日。PMID： 3341414713
摘要作者：leping deng，Weihe Zhong，Lu Zhao， Xuedong He，Zongkai Lian，Shancheng Jiang，Calvin Yu-Chian Chen
文章隶属关系：Leping Deng
摘要：神经炎症是神经退行性疾病的共同因素，并且已经证明了这一点已被证明Galectin-3激活小胶质细胞和星形胶质细胞，导致炎症。这意味着抑制Galectin-3可能成为治疗神经退行性疾病的新策略。基于这一动机，这项研究的目的是探索INT通过将通用人工智能算法与传统的药物筛查方法相结合，用于寻找抑制Galectin-3的铅化合物的新方法。基于分子对接方法，从中医数据库中筛选出具有高结合亲和力的潜在化合物。进行了歧管人工智能算法，以验证对接结果和进一步的屏幕化合物。在所有相关的预测方法中，基于深度学习的算法进行了500次建模尝试，并且测试集中最佳训练的模型的平方相关系数为0.9。 XGBoost模型达到了0.97的平方相关系数，均方根误差仅为0.01。我们切换到锌数据库并进行了相同的实验，结果表明，前者数据库中的化合物显示出更强的亲和力。最后，我们通过分子动力学模拟进一步验证了由候选配体和TH组成的复合物E靶蛋白在模拟时间的100 ns内显示出稳定的结合。总而言之，结合基于人工智能算法的应用，我们发现了活性成分1,2-二甲基苯苯和卫型含量不含无物的神经退行性疾病的有效抑制剂。模型的高预测准确性表明，它在小样本数据集（例如药物筛查）上具有实际应用价值。