Application of Data-Centric Supervised Machine Learning to Predict Phenotypic Activity Against Clinically Relevant Stages of Trypanosoma cruzi
Notice bibliographique
Résumé
Background/Objectives: Chagas disease is a neglected tropical disease caused by the protozoan parasite Trypanosoma cruzi, which currently affects around 8 million people worldwide. The therapeutic arsenal against T. cruzi is so far limited to only two approved drugs, benznidazole and nifurtimox, that have considerable side effects and limited efficacy in the chronic stage of the disease. Here, we have resorted to supervised phenotypic machine learning models to explore drug repurposing opportunities and identify potential new therapeutic solutions for Chagas disease. Methods: More than 100,000 bioactivity data points were retrieved from ChEMBL and carefully curated according to the data-centric machine learning paradigm. After curation, two datasets comprising 344 compounds tested against T. cruzi Y strain trypomastigotes and 785 compounds tested against Tulahuen strain amastigotes were obtained and used to infer ensemble learning models with excellent average and early enrichment metrics in retrospective screening experiments (AUROC > 0.96 and EF0.01 > 58). A prospective screening campaign was then performed on DrugBank and the Drug Repurposing Hub databases, submitting eight in silico hits for experimental confirmation. Results: Six of the in silico hits confirmed their predicted trypanocidal effects. Conclusions: We have built portable meta-classifiers capable of identifying small molecules with trypanocidal activity against amastigotes, the clinically most relevant stage of T. cruzi. The predictive ability of this meta-classifier was experimentally validated.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».