Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction

Detalhes bibliográficos
Autor(a) principal: Gaspar, Ana Teresa Santos Costa
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/105981
Resumo: Dissertação de Mestrado em Biologia Computacional apresentada à Faculdade de Ciências e Tecnologia
id RCAP_60e6e1273188cb046b20e92658641305
oai_identifier_str oai:estudogeral.uc.pt:10316/105981
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50PredictionPrevisão da Afinidade de Ligação Proteína-Ligando - Uma Abordagem de Regressão para a previsão de IC50Interações Proteína-LigandoAprendizagem ComputacionalProtein-Ligand InteractionsMachine LearningBinding AffinityIC50ICAROAfinidade de LigaçãoIC50ICARODissertação de Mestrado em Biologia Computacional apresentada à Faculdade de Ciências e TecnologiaDesde sempre, o ser humano procura combater a doença pela administração de fármacos. A evolução da Ciência, juntamente com a evolução da descoberta de fármacos, conduziu a indústria a focar-se unicamente na produção de fármacos. Atualmente, a indústria farmacêutica procura ativamente propor novos medicamentos, mas esta é uma tarefa que se está a tornar cada vez mais difícil, dado o carácter dispendioso, em termos de custo e tempo, deste processo. Por esta razão, tem- se assistido a um investimento na aplicação de técnicas computacionais para limitar o espaço de procura de potenciais fármacos nas primeiras fases do processo. Nestas etapas, procura-se ainda compreender as interações proteína-ligando para um entendimento detalhado dos mecanismos de ação dos fármacos. Determinar a afinidade de ligação fármaco-proteína é crucial para o reconhecimento de substâncias ativas. Geralmente, é expresso em termos de Kd, Ki ou IC50, sendo que a última é a única que informa acerca da potência do fármaco. Diversos previsores têm sido desenvolvidos, mas apenas consideram Ki ou Kd e interações com cinases. A necessidade por um previsor geral capaz de prever em diferentes tipos de proteínas é evidente. Por esta razão, este trabalho propõe ICARO: um previsor para o cálculo da afinidade de ligação fármaco-proteína, expressa em IC50. O modelo atingiu em teste, R2 de 0.727, rm2 de 0.684, RMSE de 0.700, SCC de 0.855, PCC de 0.855 e CI de 0.837. Quando o ligando era desconhecido, condição S3, os resultados foram de 0.668, 0.634, 0.767, 0.818, 0.819, e 0.816, respetivamente. E, quando a proteína era desconhecida, condição S2, foi obtido um R2 de 0.213, rm2 de 0.246, RMSE de 1.176, SCC de 0.534, PCC de 0.522, e CI de 0.686.Since ancient times, humans have sought to combat disease through drug administration. As Science has evolved, Drug Discovery (DD) has led industries to focus solely on the production of pharmaceutical products. Currently, the pharmaceutical industry struggles to find new pharmaceutical products; however, this is becoming an increasingly difficult task because it involves an expensive and time-consuming process. Therefore, drug R&D is investing in the application of computational methods for faster narrowing of the number of compounds in the primary stages of DD. The aim of these stages is to understand Protein-Ligand Interactions (PLI), as they provide a detailed comprehension of the drug mechanisms of action. In particular, the determination of Drug-Target Binding Affinity (DTBA) is crucial for hit recognition. DTBA is usually expressed as Kd, Ki, or IC50; however, IC50 is the only measurement that influences drug potency. Several predictors have been developed, but they mainly focus on Ki and Kd and exclusively deal with kinases involving interactions. Therefore, there is a need for a general algorithm capable of predicting the IC50 values of different targets. For this reason, this study proposes ICARO, an approach for DTBA prediction, expressed as IC50. The proposed model ICAROERT attained, in the testing set, a R2 of 0.727, rm2 of 0.684, RMSE of 0.700, SCC of 0.855, PCC of 0.855 and CI of 0.837. When the ligand was unidentified (S3 or cold drug condition), the results were 0.668, 0.634, 0.767, 0.818, 0.819, and 0.816, respectively. When the target was unfamiliar (S2 or the cold target condition), the performance was R2 = 0.213, rm2 = 0.246, RMSE = 1.176, SCC = 0.534, PCC = 0.522, and CI = 0.686.2023-02-222025-02-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/105981http://hdl.handle.net/10316/105981TID:203249852engGaspar, Ana Teresa Santos Costainfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-10-27T11:13:04Zoai:estudogeral.uc.pt:10316/105981Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:22:27.529519Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
Previsão da Afinidade de Ligação Proteína-Ligando - Uma Abordagem de Regressão para a previsão de IC50
title Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
spellingShingle Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
Gaspar, Ana Teresa Santos Costa
Interações Proteína-Ligando
Aprendizagem Computacional
Protein-Ligand Interactions
Machine Learning
Binding Affinity
IC50
ICARO
Afinidade de Ligação
IC50
ICARO
title_short Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
title_full Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
title_fullStr Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
title_full_unstemmed Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
title_sort Prediction of Drug-Target Binding Affinity: A Regression Approach for IC50Prediction
author Gaspar, Ana Teresa Santos Costa
author_facet Gaspar, Ana Teresa Santos Costa
author_role author
dc.contributor.author.fl_str_mv Gaspar, Ana Teresa Santos Costa
dc.subject.por.fl_str_mv Interações Proteína-Ligando
Aprendizagem Computacional
Protein-Ligand Interactions
Machine Learning
Binding Affinity
IC50
ICARO
Afinidade de Ligação
IC50
ICARO
topic Interações Proteína-Ligando
Aprendizagem Computacional
Protein-Ligand Interactions
Machine Learning
Binding Affinity
IC50
ICARO
Afinidade de Ligação
IC50
ICARO
description Dissertação de Mestrado em Biologia Computacional apresentada à Faculdade de Ciências e Tecnologia
publishDate 2023
dc.date.none.fl_str_mv 2023-02-22
2025-02-21T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/105981
http://hdl.handle.net/10316/105981
TID:203249852
url http://hdl.handle.net/10316/105981
identifier_str_mv TID:203249852
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134113687404544

Registros relacionados