Computable Features Required to Evaluate the Efficacy of Drugs and a Universal Algorithm to Find Optimally Effective Drug in a Drug Complex
Notice bibliographique
Résumé
BACKGROUND: The H1N1 pandemic in 2009 and the H5N1 pandemic in 2005 demonstrated that the drugs approved to treat influenza A viruses have low efficacy. This provided a stimulus for new studies of influenza A viruses in the context of the methods used in drug design developed over the past 100 years. Finding new universal drugs is the ultimate goal but its long time horizon is incompatible with emergency situations created by reoccurring influenza outbreaks. Therefore, we propose a computer-aided method for finding efficacious drugs and drug complexes based on the use of the DrugBank database. METHODS: (1) We start by assembling a panel of target proteins. (2) We then assemble a panel of drugs. (3) This is followed by a selection of benchmark binding pockets based on the panel of target proteins and the panel of drugs. (4) We generate a set of computational features, which measure the efficacy of a drug. (5) We propose a universal program to search for drugs and drug complexes. (6) A case study we report here illustrates how to use this universal program for finding an optimal drug and a drug complex for a given target. (7) Validation of the Azirchromycin and Aspirin complex is provided mathematically. (8) Finally, we propose a simple strategy to validate our computational prediction that the Azirchromycin and Aspirin complex should prove clinically effective. RESULT: A set of computable features are mined and then based on these features, a universal program for finding the potential drug &drug complexes is proposed. Using this universal program, the Azirchromycin and Aspirin complex is selected and its efficacy is predicted mathematically. For clinical validation of this finding, future work is still required.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».