May, 2020

COVID-19 的 8565 种现有药物再定位

PDF
TL;DR针对 COVID-19，本文利用机器学习对 1553 种已获 FDA 批准的药物及其他 7012 种在研或下市药物进行了筛选，发现许多已有药物可能对 SARS-CoV-2 有很强的潜在杀菌效果。
covid-19sars-cov-2drug repositioningmachine learningfda-approved drugs
发现论文，激发创造
  • 用于鉴定 COVID-19 药物再利用机会的网络医学框架

    本文使用基于网络传播、网络邻近等人工智能算法对 6340 种药物进行评估，以便快速、可靠地筛选适合 SARS-CoV-2 感染的药物。结果表明，多模式方法比任何单一算法更好地预测了药物的有效性，并可为未来快速识别可重复用药提供方法学途径。

    Apr, 2020

  • 基于异质网络的 COVID-19 药物再利用

    开发了一种基于深度学习的异质网络方法，通过与 HCoVs 相关的靶蛋白构建综合异质网络，以发现可用于 COVID-19 的潜在药物，并取得了较高的预测性能。

    Jul, 2021

  • 利用分子对接和机器学习回归方法进行药物重用，瞄准 COVID-19 3CL 蛋白酶

    本研究通过使用 Zinc 数据库和计算模拟方法，结合决策树、多层感知机、KNN、梯度提升等机器学习回归方法，快速筛选并确定了 13 种具有重要潜力的 FDA 批准药物，可用于治疗 COVID-19，并提供了一种快速识别潜在治疗药物的方法。

    May, 2023

  • 基于聚类和图深度学习的 COVID-19 药物再利用框架

    利用基于图形的自动编码器进行多特征类型聚类的无监督机器学习框架发现 COVID-19 药物再利用的三个感兴趣的簇，并推荐了前 15 种药物，其中包括大量正在进行临床试验的药物。

    Jun, 2023

  • 探索 SARS-CoV-2 病毒 - 宿主 - 药物相互作用组学，以用于药物再利用

    CoVex 是一个基于网络医学算法的互动在线平台，能够将实验验证的病毒 - 人类蛋白相互作用、人类蛋白质 - 蛋白质相互作用和药物 - 靶标相互作用进行整合，以系统级别研究新冠病毒和 SARS-CoV-1 致病机理，进行药物再利用研究和候选治疗的优先级排序，是一项研究 COVID-19 药物的重要资源，提供给科学界直接访问整合了病毒 - 宿主 - 药物相互作用的网络医学算法。

    Apr, 2020

  • 可视化 COVID-19 研究

    本文提供了一种结合大型数据建模、信息制图和趋势分析的新型自动化主题可视化方法，用于快速发现 COVID-19 疫情下的主题和研究资源，结果显示了有关社交隔离、医疗话题、病毒在不同地区的演变轨迹等信息，同时也表明了迫切需要快速自动化地进行大规模数据的搜索和浏览。

    May, 2020

  • 机器学习建模研究 SiRNA 结构 - 效能关系在抗击 Sars-Cov-2 刺突基因中的应用

    开发基于化学信息学表示的 siRNA 的机器学习模型以预测其效力，并选择最有效的 siRNA 分子进行进一步的发展，证明了 AI / 机器学习模型在加速 siRNA 基于药物发现方面的潜力。

    Jan, 2024

  • 基于图聚类算法的 Covid-19 数据集分析研究

    COVID-19 病毒引发的新冠疫情已成为世界性的灾害，研究表明 AI 和机器学习算法可以通过分析蛋白质相互作用和基于图的聚类算法来提供有关病毒的重要信息。

    Aug, 2023

  • 使用 Twitter 数据了解公众对 COVID-19 相关药物批准和非标签使用的看法

    本文运用自然语言处理技术分析 2020 年 1 月至 2021 年 11 月期间 Twitter 上针对 COVID-19 相关药物的 609,189 条帖子，发现羟氯喹和伊维菌素等药物受到的关注远远高于莫卢比瑞韦和瑞德西韦，政治化现象明显，与阴谋论、名人效应等相关，而不同政治党派和人群对药物的立场存在显著差异。

    Jun, 2022

  • CogMol: 使用深度生成模型进行针对性和选择性的 COVID-19 药物设计

    该研究提出了一种名为 CogMol 的自动生成新药的框架，它结合了 SMILES VAE 嵌入的蛋白 - 分子结合亲和力预测、分子控制生成方案等技术，可以高效地生成具有高亲和力和低毒性的新药，不需要针对目标进行微调和目标结构信息。

    Apr, 2020