Artificial intelligence and machine learning for protein toxicity prediction using proteomics data

人工智能 计算机科学 机器学习 生物信息学 蛋白质组学 计算生物学 生物 生物化学 基因
作者
Shubham Vishnoi,Himani Matre,Prabha Garg,Shubham Kumar Pandey
出处
期刊:Chemical Biology & Drug Design [Wiley]
卷期号:96 (3): 902-920 被引量:17
标识
DOI:10.1111/cbdd.13701
摘要

Abstract Instead of only focusing on the targeted drug delivery system, researchers have a great interest in developing peptide‐based therapies for the procurement of numerous class of diseases. The main idea behind this is to anchor the properties of the receptor to design peptide‐based therapeutics. As these macromolecules have distinct physicochemical properties over small molecules, it becomes an obligatory field for the treatment of diseases. For this, various in silico models have been developed to speculate the proteins by virtue of the application of machine learning and artificial intelligence. By analysing the properties and structural alert of toxic proteins, researchers aim to dissert some of the mechanisms of protein toxicity from which therapeutic insights may be drawn. Numerous models already exist worldwide emphasizing themselves as leading paramount for toxicity prediction in protein macromolecules. Few of them comparatively compete with the other predictive protein toxicity models and convincingly give a high‐performance result in terms of accuracy. But their foundation is quite ambiguous, and varying approaches are found at the level of toxicoproteomic data utilization while building a machine learning model. In this review work, we present the contribution of artificial intelligence and machine learning approaches in prediction of protein toxicity using proteomics data.
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

祝大家在新的一年里科研腾飞
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
leiyang49发布了新的文献求助20
1秒前
xy发布了新的文献求助10
1秒前
mingmingjiu发布了新的文献求助10
2秒前
科研小白发布了新的文献求助10
2秒前
苦思力完成签到,获得积分10
4秒前
王莫为发布了新的文献求助10
4秒前
4秒前
4秒前
强强发布了新的文献求助10
5秒前
Leofar发布了新的文献求助10
9秒前
lucienmalo完成签到,获得积分10
12秒前
张小毛发布了新的文献求助10
13秒前
14秒前
科研小白发布了新的文献求助10
15秒前
丘比特应助jin采纳,获得10
16秒前
17秒前
fang完成签到 ,获得积分10
17秒前
xxl发布了新的文献求助10
20秒前
摆烂王子发布了新的文献求助10
20秒前
20秒前
快乐秋白完成签到 ,获得积分10
21秒前
21秒前
22秒前
22秒前
Fancy完成签到,获得积分10
23秒前
勤奋的下水道工人完成签到 ,获得积分10
24秒前
26秒前
我是老大应助科研通管家采纳,获得10
26秒前
桐桐应助科研通管家采纳,获得10
27秒前
柚C美式应助科研通管家采纳,获得10
27秒前
andrele发布了新的文献求助10
27秒前
聆(*^_^*)发布了新的文献求助30
27秒前
小二郎应助科研通管家采纳,获得10
28秒前
ffffffflzx666完成签到,获得积分10
28秒前
嗯哼应助科研通管家采纳,获得20
28秒前
隐形曼青应助科研通管家采纳,获得10
29秒前
传奇3应助苹果寻雪采纳,获得10
29秒前
无花果应助科研通管家采纳,获得10
29秒前
VDC应助科研通管家采纳,获得30
29秒前
30秒前
高分求助中
Востребованный временем 2500
The Three Stars Each: The Astrolabes and Related Texts 1500
Classics in Total Synthesis IV: New Targets, Strategies, Methods 1000
Les Mantodea de Guyane 800
Mantids of the euro-mediterranean area 700
The Oxford Handbook of Educational Psychology 600
有EBL数据库的大佬进 Matrix Mathematics 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 内科学 物理 纳米技术 计算机科学 遗传学 化学工程 基因 复合材料 免疫学 物理化学 细胞生物学 催化作用 病理
热门帖子
关注 科研通微信公众号,转发送积分 3412827
求助须知:如何正确求助?哪些是违规求助? 3015387
关于积分的说明 8870075
捐赠科研通 2703099
什么是DOI,文献DOI怎么找? 1482060
科研通“疑难数据库(出版商)”最低求助积分说明 685108
邀请新用户注册赠送积分活动 679798