About Manuel Glaser:
No description specified
Expertise: Not specified
Tools: Not specified
Related items
Advanced Publications list for this Person with search and filtering
Abstract (Expand)
Zusammenfassung
Angesichts der umwälzenden Auswirkungen, die künstliche Intelligenz (KI) auf Wissenschaft,
Medizin und darüber hinaus hat, betrachten wir hier das Potenzial von KI für die Entdeckung …enzial von KI für die Entdeckung
neuer Medikamente gegen Herzkrankheiten. Wir definieren KI im weitesten Sinne als den Einsatz
von maschinellem Lernen, einschließlich Statistik und Deep Learning, um Muster in Datensätzen
zu erkennen, die für Vorhersagen genutzt werden können. Jüngste Durchbrüche in der Fähigkeit,
sehr große Datenmengen zu berücksichtigen, haben einen Boom in der KI-gestützten
Arzneimittelentdeckung sowohl in der Wissenschaft als auch in der Industrie ausgelöst. Viele
neue Unternehmen verfügen bereits über Arzneimittel-Pipelines, die bis in die klinische
Erprobung reichen, aber noch keine Medikamente gegen Herzkrankheiten enthalten. Wir
beschreiben hier den Einsatz von KI für die Entdeckung von niedermolekularen Medikamenten und
Biologika, einschließlich therapeutischer Peptide, sowie für die Vorhersage von Wirkungen wie
Kardiotoxizität. Der konzertierte Einsatz von KI zusammen mit physikbasierten Simulationen und
experimentellen Rückkopplungsschleifen wird notwendig sein, um das Potenzial der KI für die
Arzneimittelentdeckung und die Entwicklung von Präzisionsarzneimitteln für Herzkrankheiten
voll auszuschöpfen.
Authors: Manuel Glaser, Julia Ritterhof, Patrick Most, Rebecca C. Wade
Date Published: 20th Nov 2023
Publication Type: Journal
DOI: 10.1055/a-2131-2843
Citation: Aktuelle Kardiologie 12(06):450-458
Created: 23rd Nov 2023 at 16:12, Last updated: 5th Mar 2024 at 21:25
Abstract (Expand)
Abstract
Background
With the expansion of animal production, parasitic helminths are gaining increasing economic importance. However, application of several established deworming agents can harm treated …er, application of several established deworming agents can harm treated hosts and environment due to their low specificity. Furthermore, the number of parasite strains showing resistance is growing, while hardly any new anthelminthics are being developed. Here, we present a bioinformatics workflow designed to reduce the time and cost in the development of new strategies against parasites. The workflow includes quantitative transcriptomics and proteomics, 3D structure modeling, binding site prediction, and virtual ligand screening. Its use is demonstrated for Acanthocephala (thorny-headed worms) which are an emerging pest in fish aquaculture. We included three acanthocephalans (
Pomphorhynchus laevis, Neoechinorhynchus agilis
,
Neoechinorhynchus buttnerae
) from four fish species (common barbel, European eel, thinlip mullet, tambaqui).
Results
The workflow led to eleven highly specific candidate targets in acanthocephalans. The candidate targets showed constant and elevated transcript abundances across definitive and accidental hosts, suggestive of constitutive expression and functional importance. Hence, the impairment of the corresponding proteins should enable specific and effective killing of acanthocephalans. Candidate targets were also highly abundant in the acanthocephalan body wall, through which these gutless parasites take up nutrients. Thus, the candidate targets are likely to be accessible to compounds that are orally administered to fish. Virtual ligand screening led to ten compounds, of which five appeared to be especially promising according to ADMET, GHS, and RO5 criteria: tadalafil, pranazepide, piketoprofen, heliomycin, and the nematicide derquantel.
Conclusions
The combination of genomics, transcriptomics, and proteomics led to a broadly applicable procedure for the cost- and time-saving identification of candidate target proteins in parasites. The ligands predicted to bind can now be further evaluated for their suitability in the control of acanthocephalans. The workflow has been deposited at the Galaxy workflow server under the URL
tinyurl.com/yx72rda7
.
Authors: Hanno Schmidt, Katharina Mauer, Manuel Glaser, Bahram Sayyaf Dezfuli, Sören Lukas Hellmann, Ana Lúcia Silva Gomes, Falk Butter, Rebecca C. Wade, Thomas Hankeln, Holger Herlyn
Date Published: 1st Dec 2022
Publication Type: Journal
DOI: 10.1186/s12864-022-08882-1
Citation: BMC Genomics 23(1),677
Created: 4th Oct 2022 at 07:43, Last updated: 5th Mar 2024 at 21:24