Machine learning for synergistic network pharmacology: a comprehensive overview

Machine learning for synergistic network pharmacology: a comprehensive overview

ネットワーク薬理学は、薬物の作用と複数の標的との相互作用を理解しようとする系統的な薬物研究の新しい分野である。ネットワーク薬理学は、「ワンターゲット・ワンドラッグ」から高活性な「マルチターゲットドラッグ」へとパラダイムを変化させました。しかし、この相乗的なアプローチは、現在多くの課題に直面しています。特に、巨大で異質なデータから、薬物標的、作用機序、薬物と生物の相互作用などの有効な情報を採掘することは困難です。マルチターゲット創薬のボトルネックを克服するために、計算機によるアルゴリズムが科学界から大いに歓迎されています。機械学習（ML）、特にそのサブフィールドである深層学習（DL）は目覚ましい進歩を遂げています。これらの分野で開発された技術は、現在、異種フォーマットの膨大な量のデータを分析し、そこから学習することができる。ネットワーク薬理学の観点では、MLはビッグデータからの発見と意思決定を改善することができます。MLを適用する機会は、ネットワーク薬理学の研究のあらゆる段階で発生する。例えば、生物学的に活性な低分子化合物のスクリーニング、ターゲット同定、代謝経路同定、タンパク質間相互作用ネットワーク解析、ハブ遺伝子解析、化合物とターゲットタンパク質間の結合親和性の発見などである。このレビューでは、ネットワーク薬理学におけるMLの主要なアルゴリズム概念を要約し、ネットワーク薬理学におけるMLの実装について、将来の機会、潜在的なアプリケーション、およびいくつかの残された課題を予測する。私たちの知る限り、本研究はネットワーク薬理学におけるMLアプローチの最初の包括的な評価を提供し、製薬業界におけるネットワーク薬理学の発展と受容に向けたさらなる努力を促すことを期待している。