已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Convolutional Neural Network-Based Quantitative Structure–Activity Relationship and Fingerprint Analysis Against Inhibitors of Anthrax Lethal Factor

指纹(计算) 卷积神经网络 计算生物学 炭疽毒素 人工智能 计算机科学 化学 生物 融合蛋白 生物化学 重组DNA 基因
作者
Madhulata Kumari,Naidu Subbarao
出处
期刊:Future Medicinal Chemistry [Future Science Ltd]
卷期号:15 (10): 853-866 被引量:2
标识
DOI:10.4155/fmc-2023-0093
摘要

Aim: To develop a one-dimensional convolutional neural network-based quantitative structure–activity relationship (1D-CNN-QSAR) model to identify novel anthrax inhibitors and analyze chemical space. Methods: We developed a 1D-CNN-QSAR model to identify novel anthrax inhibitors. Results: The statistical results of the 1D-CNN-QSAR model showed a mean square error of 0.045 and a predicted correlation coefficient of 0.79 for the test set. Further, chemical space analysis showed more than 80% fragment pair similarity, with activity cliffs associated with carboxylic acid, 2-phenylfurans, N-phenyldihydropyrazole, N-phenylpyrrole, furan, 4-methylene-1H-pyrazol-5-one, phenylimidazole, phenylpyrrole and phenylpyrazolidine. Conclusion: These fragments may serve as the basis for developing potent novel drug candidates for anthrax. Finally, we concluded that our proposed 1D-CNN-QSAR model and fingerprint analysis might be used to discover potential anthrax drug candidates.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研助手6应助冰雪痕采纳,获得10
刚刚
ShenQ发布了新的文献求助10
2秒前
奶糖爱果冻完成签到 ,获得积分10
3秒前
甜甜的紫菜完成签到 ,获得积分10
4秒前
li完成签到 ,获得积分10
9秒前
shu完成签到,获得积分10
15秒前
Cathy完成签到,获得积分10
18秒前
JiayinLiu发布了新的文献求助50
20秒前
天天快乐应助认真的三问采纳,获得10
20秒前
狐狸小姐完成签到 ,获得积分10
20秒前
fane完成签到,获得积分10
21秒前
TY完成签到 ,获得积分10
22秒前
ShenQ完成签到,获得积分10
23秒前
独立江湖女完成签到 ,获得积分10
23秒前
ling361发布了新的文献求助10
25秒前
七面东风完成签到,获得积分10
25秒前
OeO完成签到 ,获得积分10
25秒前
我是125完成签到,获得积分10
27秒前
小孟吖完成签到 ,获得积分10
28秒前
八二力完成签到 ,获得积分10
29秒前
grace完成签到 ,获得积分10
32秒前
田様应助雪生在无人荒野采纳,获得10
35秒前
彭于晏完成签到,获得积分10
35秒前
36秒前
ling361完成签到,获得积分10
37秒前
hairgod完成签到,获得积分10
38秒前
38秒前
沙与沫完成签到 ,获得积分10
38秒前
42秒前
42秒前
minuxSCI完成签到,获得积分10
42秒前
明时完成签到,获得积分10
46秒前
48秒前
48秒前
笨笨的寄真完成签到 ,获得积分10
49秒前
Becky完成签到 ,获得积分10
49秒前
52秒前
零知识完成签到 ,获得积分10
52秒前
伽拉发布了新的文献求助10
58秒前
洸彦完成签到 ,获得积分10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989957
求助须知:如何正确求助?哪些是违规求助? 3532034
关于积分的说明 11256000
捐赠科研通 3270880
什么是DOI,文献DOI怎么找? 1805070
邀请新用户注册赠送积分活动 882252
科研通“疑难数据库(出版商)”最低求助积分说明 809216