ນັກຄົ້ນຄວ້າໃຊ້ການຮຽນຮູ້ເລິກເຊິ່ງເພື່ອກໍານົດຢາໃຫມ່

ນັກຄົ້ນຄວ້າທີ່ສະຖາບັນວິທະຍາສາດແລະເຕັກໂນໂລຊີ Gwangju ໃນເກົາຫລີໄດ້ພັດທະນາຮູບແບບການຮຽນຮູ້ເລິກໃຫມ່ທີ່ສາມາດຄາດຄະເນການຜູກມັດລະຫວ່າງຢາແລະໂມເລກຸນເປົ້າຫມາຍ. ທີມງານ, ເຊິ່ງນໍາພາໂດຍຮອງສາດສະດາຈານ Hojung Nam ແລະນັກສຶກສາປະລິນຍາເອກ Ingoo Lee, ໄດ້ເອີ້ນຮູບແບບໃຫມ່ວ່າ "ຈຸດເດັ່ນໃນລໍາດັບເປົ້າຫມາຍ" (HoTS). 

ການຄົ້ນຄ້ວາດັ່ງກ່າວໄດ້ຖືກເຜີຍແຜ່ໃນວາລະສານ ວາລະສານຂອງ Cheminformatics. 

ຂະບວນການຄົ້ນພົບຢາເສບຕິດ

ຢາເສບຕິດຖືກທົດສອບໃນຂະບວນການຄົ້ນພົບຢາສໍາລັບຄວາມສາມາດໃນການຜູກມັດຫຼືພົວພັນກັບໂມເລກຸນເປົ້າຫມາຍໃນຮ່າງກາຍ. ຮູບແບບການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງໄດ້ພິສູດໃຫ້ເຫັນວ່າເປັນປະໂຫຍດໃນການເຮັດໃຫ້ຂະບວນການນີ້ມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ແຕ່ການຄາດເດົາຂອງພວກມັນບໍ່ໄດ້ສະແດງໃຫ້ເຫັນເຖິງການຕີຄວາມໝາຍສະເໝີໄປ. ນັ້ນແມ່ນເຫດຜົນທີ່ທີມງານສ້າງ HotS, ເຊິ່ງເຮັດໃຫ້ການຄາດຄະເນທີ່ດີກວ່າການໂຕ້ຕອບຂອງຢາເສບຕິດ - ເປົ້າຫມາຍໃນຂະນະທີ່ຍັງຖືກຕີຄວາມຫມາຍ. 

ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະ ກຳ ນົດວ່າຢາທີ່ຜູກມັດກັບໂມເລກຸນເປົ້າ ໝາຍ ຂອງມັນໄດ້ດີປານໃດ, ແລະມັນມັກຈະກ່ຽວຂ້ອງກັບການຈັດລຽງໂຄງສ້າງ 3D ຂອງຢາແລະທາດໂປຼຕີນຈາກເປົ້າ ໝາຍ ຂອງມັນຢູ່ໃນການຕັ້ງຄ່າຕ່າງໆ. ຂະບວນການນີ້ແມ່ນເອີ້ນວ່າ "docking." ປະຕິບັດຕາມຂະບວນການນີ້, ສະຖານທີ່ຜູກມັດທີ່ມັກຖືກຄົ້ນພົບໂດຍການແລ່ນ simulations docking ຫຼາຍກວ່າແລະຫຼາຍກວ່າກັບຜູ້ສະຫມັກຢາຫຼາຍສໍາລັບໂມເລກຸນເປົ້າຫມາຍ. ຮູບແບບການຮຽນຮູ້ເລິກແມ່ນອີງໃສ່ເພື່ອປະຕິບັດການຈໍາລອງເຫຼົ່ານີ້. 

ແບບ HotS

ຮູບແບບທີ່ພັດທະນາໃຫມ່ຍັງສາມາດຄາດຄະເນປະຕິສໍາພັນຂອງເປົ້າຫມາຍຢາເສບຕິດ (DTIs) ໂດຍບໍ່ມີການຈໍາເປັນສໍາລັບການຈໍາລອງຫຼືໂຄງສ້າງ 3D. 

"ທໍາອິດ, ພວກເຮົາສອນຢ່າງຈະແຈ້ງກ່ຽວກັບຮູບແບບທີ່ພາກສ່ວນຂອງລໍາດັບທາດໂປຼຕີນທີ່ຈະພົວພັນກັບຢາໂດຍໃຊ້ຄວາມຮູ້ກ່ອນ," ອາຈານ Nam ອະທິບາຍ. "ຫຼັງຈາກນັ້ນຮູບແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມຖືກນໍາໃຊ້ເພື່ອຮັບຮູ້ແລະຄາດຄະເນການພົວພັນລະຫວ່າງຢາແລະທາດໂປຼຕີນຈາກເປົ້າຫມາຍ, ໃຫ້ປະສິດທິພາບການຄາດຄະເນທີ່ດີກວ່າ. ການນໍາໃຊ້ນີ້, ພວກເຮົາໄດ້ສ້າງແບບຈໍາລອງທີ່ສາມາດຄາດຄະເນພາກພື້ນຜູກມັດຂອງທາດໂປຼຕີນແລະປະຕິສໍາພັນຂອງພວກມັນກັບຢາໂດຍບໍ່ມີຄວາມສັບສົນ 3D." 

ຮູບແບບດັ່ງກ່າວບໍ່ຈໍາເປັນຕ້ອງຈັດການກັບຄວາມຍາວຄົບຖ້ວນຂອງລໍາດັບທາດໂປຼຕີນ. ແທນທີ່ຈະ, ມັນສາມາດເຮັດໃຫ້ການຄາດຄະເນໂດຍອີງໃສ່ສ່ວນຂອງທາດໂປຼຕີນທີ່ກ່ຽວຂ້ອງກັບການໂຕ້ຕອບ DTI. 

"ພວກເຮົາໄດ້ສອນແບບຈໍາລອງບ່ອນທີ່ຈະ "ສຸມໃສ່" ເພື່ອຮັບປະກັນວ່າມັນສາມາດເຂົ້າໃຈເຂດຍ່ອຍທີ່ສໍາຄັນຂອງທາດໂປຼຕີນໃນການຄາດຄະເນປະຕິສໍາພັນຂອງມັນກັບຢາເສບຕິດ, "ອາຈານ Nam ກ່າວຕໍ່ໄປ. 

ນີ້ເຮັດໃຫ້ຕົວແບບສາມາດຄາດຄະເນ DTIs ໄດ້ຢ່າງຖືກຕ້ອງກວ່າແບບທີ່ມີຢູ່. 

ການຄົ້ນພົບໃຫມ່ເຫຼົ່ານີ້ຈະສະຫນອງຈຸດເລີ່ມຕົ້ນທີ່ດີສໍາລັບການຈໍາລອງ docking ໃນອະນາຄົດເພື່ອຄາດຄະເນຜູ້ສະຫມັກຢາເສບຕິດໃຫມ່. 

“ຮູບແບບນີ້ທີ່ໃຊ້ໃນການສຶກສາຂອງພວກເຮົາຈະເຮັດໃຫ້ຂະບວນການຄົ້ນພົບຢາມີຄວາມໂປ່ງໃສຫຼາຍຂຶ້ນ ພ້ອມທັງມີຄວາມສ່ຽງຕໍ່າ ແລະຄ່າໃຊ້ຈ່າຍຕໍ່າ. ນີ້ຈະຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າຄົ້ນພົບຢາເພີ່ມເຕີມສໍາລັບງົບປະມານແລະເວລາດຽວກັນ, "ອາຈານ Nam ສະຫຼຸບ.