- 6 次围观
阿尔茨海默病(AD)的靶点证据分散于生物学、化学、结构、调控及临床试验注册等来源,增加了可重复的靶点评估与建模难度。我们开发了一个可追溯的数据到模型平台,通过 Target Explorer、Drug-Target Lookup 和 Model Portfolio 工作区整合以 AGORA 为核心的证据资源。该资源包含 967 个靶点、452,249 个化合物和 1,430,260 条测量数据。在经过整理的 PIK3CA 数据集上,针对特定靶点对 Boltz-2 亲和力预测头进行微调后,在 469 个留出化合物上的 Pearson 相关系数 r 从 0.248 提高至 0.560,平均绝对误差从 0.900 降至 0.706。此外,我们针对十个中等规模的靶点数据集,在 50 个随机划分上筛选了 42 个回归模型;其中,XDH 的随机森林模型取得了最高的平均 R^2(0.815)。该平台将整理后的证据、适用于建模的数据集、可重复评估和公开结果相连接,同时明确区分背景证据与治疗声明,以及随机划分上的模型性能与对未见化学骨架的泛化能力。
整合多源靶点证据与机器学习效力预测,助力阿尔茨海默病药物发现 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
整合多源靶点证据与机器学习效力预测,助力阿尔茨海默病药物发现
查看 ORCID 个人资料
Anyu Pan,
查看 ORCID 个人资料
Tianhua Zhai,
Jonghyun Lee,
Charles Zheng,
Dokyoon Kim,
查看 ORCID 个人资料
Li Shen
doi:
https://doi.org/10.64898/2026.10.14.759026
Anyu Pan
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Anyu Pan 的 ORCID 记录
Tianhua Zhai
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Tianhua Zhai 的 ORCID 记录
Jonghyun Lee
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Charles Zheng
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Dokyoon Kim
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Li Shen
宾夕法尼亚大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在此网站搜索此作者
Li Shen 的 ORCID 记录
联系邮箱:
li.shen{at}pennmedicine.upenn.edu
摘要
信息/历史
指标
数据/代码
PDF 预览
摘要
阿尔茨海默病(AD)的靶点证据分散在生物学、化学、结构、调控以及临床试验注册信息等来源中,增加了靶点评估与建模的可重复性难度。我们开发了一个可追溯的数据到模型平台。
该平台通过 Target Explorer、Drug-Target Lookup 和 Model Portfolio 工作区整合以 AGORA 为核心的证据。该资源包含 967 个靶点、452,249 种化合物和 1,430,260 条测量记录。在经过整理的 PIK3CA 数据集上,针对靶点对 Boltz-2 亲和力预测头进行微调后,在 469 种留出化合物上的 Pearson 相关系数 r 从 0.248 提高至 0.560,平均绝对误差从 0.900 降至 0.706。此外,我们针对 10 个中等规模的靶点数据集,在 50 次随机划分上筛选了 42 个回归模型;其中,XDH 的随机森林模型取得最高的平均 R²(0.815)。该平台将经整理的证据、适用于建模的数据集、可复现的评估及公开结果连接起来,同时明确区分背景证据与治疗性主张,以及随机划分下的模型表现与对未见化学骨架的泛化能力。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://agora-evidence-ae3f8403.azurewebsites.net/
已声明的资助信息
美国国立卫生研究院(NIH)
R01 AG071470
U01 AG068057
U01 AG066833
版权
本预印本的版权归作者/资助方所有;其已授予 bioRxiv 永久展示该预印本的许可。
保留所有权利。未经许可不得再利用。
返回顶部
上一篇
发布于 2026 年 10 月 20 日。
下载 PDF
数据/代码
电子邮件
感谢您有兴趣传播 bioRxiv 的相关信息。
注意:此处要求提供您的电子邮件地址,仅用于确认您是本文的发送者。
您的电子邮件
*
您的姓名
*
发送至
*
请在不同的行中输入多个地址,或用逗号分隔。
您即将发送以下内容:
整合多源靶点证据与机器学习效力预测,以推进阿尔茨海默病药物发现
邮件主题
(您的姓名)向您转发了 bioRxiv 网站上的一个页面
邮件正文
(您的姓名)认为您可能会感兴趣,想让您看看 bioRxiv 网站上的这个页面。
您的个人留言
验证码
此问题用于确认您是否为真实访客,并防止自动垃圾信息提交。
分享
整合多源靶点证据与机器学习效力预测,用于阿尔茨海默病药物发现
Anyu Pan、Tianhua Zhai、Jonghyun Lee、Charles Zheng、Dokyoon Kim、Li Shen
bioRxiv
2026.10.14.759026;
doi:https://doi.org/10.64898/2026.10.14.759026
分享本文:
复制
引文工具
整合多源靶点证据与机器学习效力预测,用于阿尔茨海默病药物发现
Anyu Pan、Tianhua Zhai、Jonghyun Lee、Charles Zheng、Dokyoon Kim、Li Shen
bioRxiv
2026.10.14.759026;
doi:https://doi.org/10.64898/2026.10.14.759026
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote(标记格式)
EndNote 8(xml)
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知(8160)
生物化学(19011)
生物工程(15153)
生物信息学(45225)
生物物理学(22951)
癌症生物学(20062)
细胞生物学(27265)
临床试验(138)
发育生物学(14123)
生态学(21366)
流行病学(2067)
进化生物学(25753)
遗传学(16318)
基因组学(23795)
免疫学(18989)
微生物学(43126)
分子生物学(18302)
神经科学(94899)
古生物学(711)
病理学(3027)
药理学与毒理学(5182)
生理学(8259)
植物生物学(16242)
科学传播与教育(2113)
合成生物学(4636)
系统生物学(10367)
动物学(2420)
关键词:阿尔茨海默病 · 药物靶点证据整合 · 机器学习 · 药效预测 · 药物发现
原文链接:https://www.biorxiv.org/content/10.64898/2026.10.14.759026v1?rss=1