新思路：机器学习叠加分子模拟技术，纯生信

今天给大家分享一篇2023年5月发表在《Computers in Biology and Medicine》（Q1区，IF= 7）的文章，通过机器学习分析和蛋白互作网络的方法探讨了阿片类药物使用障碍（OUD）的治疗策略。
研究的背景：OUD是一个全球性的重大公共卫生挑战和社会问题，随着阿片类药物依赖的人数急剧上升，滥用的可能性也随之增加。尽管已有一些药物被批准用于治疗OUD，但这些药物的疗效需要进一步提高，以提供更安全、更有效的药物和心理社会治疗。
研究的目的：利用基于蛋白-蛋白相互作用（PPI）网络的机器学习方法，系统地评估和重新定位超过120,000种药物候选物，以发现具有理想药效和ADMET（吸收、分布、代谢、排泄和毒性）特性的抑制化合物，为OUD的药物治疗开发提供有价值的工具。
研究方法：
1.从String v11数据库中获取了与五大阿片类药物受体（MOR、DOR、KOR、NOR和ZOR）相关的PPI网络。
2.从ChEMBL数据库收集了与这些蛋白靶标相关的抑制剂数据集，并构建了机器学习模型。
3.使用基于自然语言处理的transformer和autoencoder学习模型生成的潜在向量（LV）指纹表示抑制剂化合物。
4.将这些潜在向量与梯度提升决策树（GBDT）算法结合，构建了结合亲和力（BA）预测器。