Aller au contenu principal
Accès ouvert déclaré 2020 preprint

Novel Development of Predictive Feature Fingerprints to Identify Chemistry-Based Features for Effective Drug Design of SARS-CoV-2 Target Antagonists and Inhibitors Using Machine Learning

2Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

A unique approach to bioactivity and chemical data curation coupled with Random forest analyses has led to a series of target-specific and cross-validated Predictive Feature Fingerprints (PFF) that have high predictability across multiple therapeutic targets and disease stages involved in the SARS-CoV-2 induced COVID-19 pandemic, which include plasma kallikrein, HIV protease, NSP5, NSP12, JAK family and AT-1. The approach was highly accurate in determining the matched target for the different compound sets and suggests that the models could be used for virtual screening of target specific compound libraries. The curation-modeling process was successfully applied to a SARS-CoV-2 phenotypic screen and could be used for predictive bioactivity estimation and prioritization for clinical trial selection, virtual screening of drug libraries for repurposing of drug molecules, and analysis and direction of proprietary datasets.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Novel Development of Predictive Feature Fingerprints to Identify Chemistry-Based Features for Effective Drug Design of SARS-CoV-2 Target Antagonists and Inhibitors Using Machine Learning
Date Crossref
28/10/2020
Éditeur
American Chemical Society (ACS)
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • The Connecticut Audubon Society pays non établi dans la notice
    Organisation à but non lucratif
  • American Chemical Society pays non établi dans la notice
    Organisation à but non lucratif
  • KC Pharma Consulting pays non établi dans la notice
    Institution
  • - CAS pays non établi dans la notice
    Institution
  • -Tasseogen Inc . OH 43081 pays non établi dans la notice
    Entreprise
  • -Tasseogen Inc. OH 43081 pays non établi dans la notice
    Entreprise
  • - WorldQuant Predictive Technologies pays non établi dans la notice
    Institution

The Connecticut Audubon Society, American Chemical Society et KC Pharma Consulting, avec 4 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Computational Drug Discovery MethodsSARS-CoV-2 and COVID-19 Researchthermodynamics and calorimetric analyses

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.