使结构在药物发现Inactivity-Relationships:不活跃的和消极的数据的重要性

从历史上看,结构活性关系(SARs)是一个基石的主题在药物设计和发现。SAR分析有助于加速和降低相关成本开发新药物的候选人。

配体继续发展——基于结构的药物设计方法将数据转换成信息和知识,使药物开发更加高效。此外,新月的可用数据(大数据时代)在公共存储库允许不同类型的数据的互联相关的特定的化学物质,例如,组合化学、生物和分子数据。

预测模型正在成为药物发现项目的一个重要组成部分。然而,这仍然是一个高质量的差距,可靠的和有用的数据,继续充分利用他们的应用程序和准确性。除此之外,不平衡数据有助于增加当前的操作限制药物设计活动。更是印证了这一信息鸿沟优先发布活跃不活跃的数据。另一个例子是“负面数据”的情况下,用于描述即不必要的结果。、毒性和副作用的数据或可怜的吸收,分布,代谢,排泄参数与一个特定的化学结构有关。幸运的是,方法正在开发中,使一代的假想活动/负面数据(也称为“诱饵”)中,已经被证明可以提高预测的性能的方法。

活动/负面数据历史上被低估了,至少在公共存储库和同行评议论文披露结果。这种趋势是观察到,尽管它是一个重要组成部分,合理的活性药物的候选人。即预测模型可以合理化活动数据但不解释的化学/生物原因另一个化合物的不活动。这可以解释,因为“不活跃”是一个非常主观的概念,取决于阈值对一个特定的研究项目。
当前小说药物设计活动正在考虑越来越多,structure-inactivity关系的显式标识(SIRs)作为第一步选择潜在的候选药物。

本研究课题旨在发布数据、方法和概念的应用程序可以在药物设计和发现导致先生们,和/或评论活动/负面数据的重要性。

在本研究课题中,我们欢迎提交的原始研究,审查,迷你审查,看来,和观点的文章,第二,但不限于,主题:

——小说或改进的方法来生成假数据。
——提出逆虚拟筛选协议选择先验不活跃的,有毒的或不受欢迎的化合物。
——方法利用完整的可用数据的多样性(组学、遗传学、细胞、组织、药物动力学数据,等等)。
——识别和/或有毒的化学结构一直无所作为。
——不活跃的化学空间的扩张和系统的研究。
——协议来量化和合理化活动/负面数据。

关键字:结构活性关系、药物发现、药物开发、负面数据、大数据、诱饵,Structure-Inactivity关系

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。