Combining machine learning systems and multiple docking simulation packages to improve docking prediction reliability for network pharmacology.
Combining machine learning systems and multiple docking simulation packages to improve docking prediction reliability for network pharmacology.
复制标题
DOI：
10.1371/journal.pone.0083922
复制
发表时间：
2013
期刊：
影响因子：
3.7
通讯作者：
Kitano H
中科院分区：
文献类型：
--
作者：
Hsin KY;Ghosh S;Kitano H
生物信息学资源的增加为应用网络药理学预测多靶点相互作用产生的药物效应和毒性创造了机会。在这里，我们提出了一种高精度的计算预测方法，该方法结合了两个精心构建的机器学习系统和多种分子对接工具，以评估测试化合物对复杂分子网络中所涉及的蛋白质的结合潜力。两个机器学习系统之一是重新评分功能，用于评估对接工具生成的结合模式。第二个是绑定模式选择功能，用于识别最具预测性的绑定模式。一系列基准验证和案例研究的结果表明，这种方法超越了其他技术的预测可靠性，它也确定了主要或脱靶激酶抑制剂。将这种方法与分子网络图谱相结合，可以通过全面研究药物或候选药物的网络依赖性效应来解决药物安全性问题。
Increased availability of bioinformatics resources is creating opportunities for the application of network pharmacology to predict drug effects and toxicity resulting from multi-target interactions. Here we present a high-precision computational prediction approach that combines two elaborately built machine learning systems and multiple molecular docking tools to assess binding potentials of a test compound against proteins involved in a complex molecular network. One of the two machine learning systems is a re-scoring function to evaluate binding modes generated by docking tools. The second is a binding mode selection function to identify the most predictive binding mode. Results from a series of benchmark validations and a case study show that this approach surpasses the prediction reliability of other techniques and that it also identifies either primary or off-targets of kinase inhibitors. Integrating this approach with molecular network maps makes it possible to address drug safety issues by comprehensively investigating network-dependent effects of a drug or drug candidate.
登录
查看更多内容
影响因子：
9.9
作者：
Oda, Kanae;Kitano, Hiroaki
通讯作者：
Kitano, Hiroaki
影响因子：
46.9
作者：
Kitano, H;Funahashi, A;Oda, K
通讯作者：
Oda, K
影响因子：
5.6
作者：
Englebienne, Pablo;Moitessier, Nicolas
通讯作者：
Moitessier, Nicolas
影响因子：
9.9
作者：
Caron, Etienne;Ghosh, Samik;Matsuoka, Yukiko;Ashton-Beaucage, Dariel;Therrien, Marc;Lemieux, Sebastien;Perreault, Claude;Roux, Philippe P.;Kitano, Hiroaki
通讯作者：
Kitano, Hiroaki
影响因子：
8.6
作者：
O'Boyle NM;Banck M;James CA;Morley C;Vandermeersch T;Hutchison GR
通讯作者：
Hutchison GR