Drug Repositioning for Alzheimer’s Disease Based on Systematic ‘omics’ Data Mining
Notice bibliographique
Résumé
Traditional drug development for Alzheimer's disease (AD) is costly, time consuming and burdened by a very low success rate. An alternative strategy is drug repositioning, redirecting existing drugs for another disease. The large amount of biological data accumulated to date warrants a comprehensive investigation to better understand AD pathogenesis and facilitate the process of anti-AD drug repositioning. Hence, we generated a list of anti-AD protein targets by analyzing the most recent publically available 'omics' data, including genomics, epigenomics, proteomics and metabolomics data. The information related to AD pathogenesis was obtained from the OMIM and PubMed databases. Drug-target data was extracted from the DrugBank and Therapeutic Target Database. We generated a list of 524 AD-related proteins, 18 of which are targets for 75 existing drugs-novel candidates for repurposing as anti-AD treatments. We developed a ranking algorithm to prioritize the anti-AD targets, which revealed CD33 and MIF as the strongest candidates with seven existing drugs. We also found 7 drugs inhibiting a known anti-AD target (acetylcholinesterase) that may be repurposed for treating the cognitive symptoms of AD. The CAD protein and 8 proteins implicated by two 'omics' approaches (ABCA7, APOE, BIN1, PICALM, CELF1, INPP5D, SPON1, and SOD3) might also be promising targets for anti-AD drug development. Our systematic 'omics' mining suggested drugs with novel anti-AD indications, including drugs modulating the immune system or reducing neuroinflammation that are particularly promising for AD intervention. Furthermore, the list of 524 AD-related proteins could be useful not only as potential anti-AD targets but also considered for AD biomarker development.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,002 | 0,001 |
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 ».