From jeopardy champion to drug discovery; semantic similarity artificial intelligence
Notice bibliographique
Résumé
We have employed artificial intelligence to streamline the small molecule drug screening pipeline and identified the cholesterol-reducing compound probucol in the process. Probucol augmented mitophagy and prevented loss of dopaminergic neurons in flies and zebrafish challenged with mitochondrial toxins. Further dissection of the mechanism of action led to the identification of ABCA1, the target of probucol, as a mitophagy modulator. Probucol treatment regulates lipid droplet dynamics during mitophagy and ABCA1 is required for these effects. Here we will summarize the combination of in silico and cell-based screening that led us to identify and characterize probucol as a compound that enhances mitophagy and include thoughts about future directions for the topics explored in our study.Abbreviations: ABCA1: ATP binding cassette transporter protein 1; ATP: Adenosine tri-phosphate; CCCP: carbonyl cyanide m-chlorophenylhydrazone; DsRed: Discosoma red; FDA: Food and drug administration; GFP: Green fluorescent protein; LAMP: lysosome-associated membrane glycoproteins; LD: Lipid droplet; PD: Parkinson’s disease; PINK: PTEN-induced kinase
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 tête enseignante, 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 ».