PbsNRs: predict the potential binders and scaffolds for nuclear receptors
Notice bibliographique
Résumé
Nuclear receptors (NRs) are a class of essential proteins that regulate the expression of specific genes and are associated with multiple diseases. In silico methods for prescreening potential NR binders with predictive binding ability are highly desired for NR-related drug development but are rarely reported. Here, we present the PbsNRs (Predicting binders and scaffolds for Nuclear Receptors), a user-friendly web server designed to predict the potential NR binders and scaffolds through proteochemometric modeling. The utility of PbsNRs was systemically evaluated using both chemical compounds and natural products. Results indicated that PbsNRs achieved a good prediction performance for chemical compounds on internal (ROC-AUC = 0.906, where ROC is Receiver-Operating Characteristic curve and AUC is the Area Under the Curve) and external (ROC-AUC = 0.783) datasets, outperforming both compound-ligand interaction tools and NR-specific predictors. PbsNRs also successfully identified bioactive chemical scaffolds for NRs by screening massive natural products. Moreover, the predicted bioactive and inactive natural products for NR2B1 were experimentally validated using biosensors. PbsNRs not only aids in screening potential therapeutic NR binders but also helps discover the essential molecular scaffold and guide the drug discovery for multiple NR-related diseases. The PbsNRs web server is available at http://pbsnrs.badd-cao.net.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».