ML für die Identifizierung und Validierung von Zielmolekülen in der Arzneimittelentdeckung

Machine Learning Approaches for Target Identification and Validation in Drug Discovery (Ansätze des maschinellen Lernens zur Identifizierung und Validierung von Zielmolekülen in der Arzneimittelforschung) untersucht die transformative Rolle des maschinellen Lernens (ML) bei der Verbesserung des Arzneimittelentdeckungsprozesses. In der Einleitung wird die Bedeutung einer genauen Target-Identifizierung und -Validierung hervorgehoben, während in den folgenden Abschnitten verschiedene ML-Algorithmen zur Vorhersage potenzieller Wirkstofftargets auf der Grundlage biologischer Daten vorgestellt werden. Es werden Methoden zur Priorisierung von Genen erörtert, wobei gezeigt wird, wie ML effektiv krankheitsassoziierte Gene einstufen kann. Darüber hinaus wird die Integration von ML mit Wissensgraphen erforscht, um zu zeigen, wie diese Werkzeuge die Datenkonnektivität und die Entscheidungsfindung verbessern. Schließlich wird die Bedeutung der Informationsextraktion durch Data Mining und die Verarbeitung natürlicher Sprache angesprochen und gezeigt, wie diese Ansätze den Forschern helfen, wertvolle Erkenntnisse aus großen Datensätzen zu gewinnen und so die Arzneimittelforschung voranzutreiben.

Autorentext

Dr. Putta Durga hält 4 Patente, 12 von Scopus/SCI indizierte Artikel, wurde viermal mit dem Raman Research Award und zweimal mit dem Best Research Paper Presentation Award ausgezeichnet und hat drei Springer-Buchkapitel veröffentlicht. Derzeit arbeitet sie als Assistenzprofessorin in der Abteilung für Informatik und Ingenieurwesen (CSE) am NRI Institute of Technology, Vijayawada, Andhra Pradesh, Indien.