المفاهيم الأساسية
유방암 치료를 위해 EGFR, HER2, ER, NF-κB 및 PR과 같은 특정 표적을 억제하는 것이 중요하며, 이를 위해 기계 학습 및 분자 도킹 기반 스크리닝을 통해 새로운 잠재적 억제제를 발견하였다.
الملخص
이 연구에서는 유방암 치료를 위한 새로운 화합물 발견을 목표로 하였다. 유방암은 여성 암 중 두 번째로 흔한 암으로, 호르몬 수용체 양성 및 HER2 음성, 호르몬 수용체 양성 및 HER2 양성, 호르몬 수용체 음성 및 HER2 양성, 호르몬 수용체 음성 및 HER2 음성의 4가지 아형이 존재한다. 이를 타겟팅하기 위해 EGFR, HER2, ER, NF-κB 및 PR과 같은 특정 표적을 억제하는 것이 중요하다.
연구진은 다양한 기계 학습 방법을 사용하여 활성/비활성 분류 모델과 타겟 분류 모델을 개발하였다. 그 중 GA-SVM-SVM:GA-SVM-SVM 모델이 가장 우수한 성능을 보였으며, 이를 이용하여 BindingDB 데이터베이스에서 EGFR+HER2, ER, NF-κB 및 PR 각각에 대해 90% 이상의 정확도로 4,454개, 803개, 438개 및 378개의 새로운 억제제 분자를 선별하였다.
선별된 화합물들의 결합 에너지를 분자 도킹을 통해 분석한 결과, -15~-5 kcal/mol 범위로 나타났다. 이후 Lipinski, Pfizer, GSK, 황금 삼각형 규칙 등 의약화학 기준을 적용하여 EGFR+HER2, ER, NF-κB 및 PR 각각에 대해 2개, 3개, 3개 및 8개의 새로운 화합물을 최종 선정하였다. 이 연구 결과는 유방암 치료제 개발을 위한 새로운 화합물 발견에 기여할 것으로 기대된다.
الإحصائيات
EGFR+HER2 타겟에 대해 90% 이상의 정확도로 선별된 4,454개의 새로운 억제제 분자
ER 타겟에 대해 90% 이상의 정확도로 선별된 803개의 새로운 억제제 분자
NF-κB 타겟에 대해 90% 이상의 정확도로 선별된 438개의 새로운 억제제 분자
PR 타겟에 대해 90% 이상의 정확도로 선별된 378개의 새로운 억제제 분자
اقتباسات
"유방암은 여성 암 중 두 번째로 흔한 암으로, 호르몬 수용체 양성 및 HER2 음성, 호르몬 수용체 양성 및 HER2 양성, 호르몬 수용체 음성 및 HER2 양성, 호르몬 수용체 음성 및 HER2 음성의 4가지 아형이 존재한다."
"EGFR, HER2, ER, NF-κB 및 PR과 같은 특정 표적을 억제하는 것이 유방암 치료에 중요하다."