Нейронная сеть для предсказания потенциальных ингибиторов проникновения ВИЧ-1
Аннотация
Разработан и применен генеративный состязательный автоэнкодер для рационального дизайна потенциальных ингибиторов проникновения ВИЧ-1, способных блокировать участок белка gp120 оболочки вируса, критически важный для его связывания с клеткой-мишенью. Показаны перспективы создания новых противовирусных препаратов, ингибирующих ранние стадии развития ВИЧ-1-инфекции
Об авторах
А. АндриановБеларусь
главный научный сотрудник, доктор химических наук
Г. Николаев
Беларусь
научный сотрудник
Н. Шульдов
Беларусь
магистрант
И. Босько
Беларусь
младший научный сотрудник
А. Тузиков
Беларусь
генеральный директор, член-корреспондент
Список литературы
1. Applications of machine learning in drug discovery and development / J. Vamathevan [et al.] // Nat. Rev. Drug Discov. 2019. Vol. 18(6). P. 463–477.
2. Advances and perspectives in applying deep learning for drug design and discovery / C. F. Lipinski [et al.] // Front. Robot. AI. 2019. Vol. 6. P. 108.
3. Jaeger, S. Mol2vec: unsupervised machine learning approach with chemical intuition / S. Jaeger, S. Fulle, S. Turk // J. Chem. Inf. Model. 2018. Vol. 58 (1). P. 27–35.
4. A Machine learning-based method to improve docking scoring functions and its application to drug repurposing / S. L. Kinnings [et al.] // J. Chem. Inf. Model. 2011. Vol. 51 (2). P. 408–419.
5. Protein structure prediction using multiple deep neural networks in the 13th Critical Assessment of Protein Structure Prediction (CASP13) / A.W. Senior [et al.] // Proteins. 2019. Vol. 87(12). P. 1141–1148.
Рецензия
Для цитирования:
Андрианов А., Николаев Г., Шульдов Н., Босько И., Тузиков А. Нейронная сеть для предсказания потенциальных ингибиторов проникновения ВИЧ-1. Наука и инновации. 2021;(5):28-34.
For citation:
Andrianov A., Nikalayeu R., Shuldau M., Bosko I., Tuzikov A. Neural network for predicting potential inhibitors of HIV-1. Science and Innovations. 2021;(5):28-34. (In Russ.)