文章发布状态：免费摘要标题：
抗疟结构活性知识的计算机挖掘和新型抗疟姜黄素的发现。
摘要来源：分子。 2016；21(7)。 Epub 2016 年 6 月 29 日。PMID：27367660
摘要作者：Birgit Viira、Thibault Gendron、Don Antoine Lanfranchi、Sandrine Cojean、Dragos Horvath、Gilles Marcou、Alexandre Varnek、Louis Maes、Uko Maran、Philippe M Loiseau、Elisabeth Davioud-Charvet
文章隶属关系：Birgit Viira
摘要：疟疾是一种寄生虫每年约有 60 万名患者死于热带疾病。对基于青蒿素的联合疗法（ACT）产生耐药性的恶性疟原虫寄生虫的出现对公共健康构成了重大威胁，表明迫切需要新的药物逆转 ACT 耐药性并治愈疾病的有效化合物。为此，我们对来自内部和 ChEMBL 来源的实验性抗疟疾筛选数据进行了广泛的整理和均质化。结果，建立了一个连贯的策略，允许编译连贯的训练集，将化合物结构与各自的抗疟活性测量相关联。其中 17 个训练集成功生成了分类模型，可区分化合物在与每组相关的抗疟测试的特定条件下是否具有显着的活性概率。这些模型用于一致预测一系列内部可用的姜黄素中最可能的活性成分。然后将阳性预测以及一些预测为不活跃的预测提交给实验性体外抗疟疾测试。预测的化合物中的大部分显示出抗疟活性，但预测的化合物却没有为非活性，从而通过实验验证计算机筛选方法。本文提出的共识机器学习方法显示了其降低抗疟药物发现成本和持续时间的潜力。