蛋白质激酶研究为探索体内分子靶点以治疗癌症和自身免疫性疾病提供了机会。这些酶能够结合细胞位点并抑制异常行为，例如癌细胞的过度增生和肿瘤形成。由于可能的激酶和细胞结构组合非常庞大，科学家们转向了人工智能（AI），以预测并建立模型，确定哪些配对可能具有治疗效果。
为了开发一种工具来预测这些激酶相互作用以便进一步研究，一个研究团队开发了KinasePred，并在《国际分子科学杂志》（International Journal of Molecular Sciences, IJMS）上发表了他们的项目详情。
该研究的作者包括与Sbarro健康研究组织（SHRO）合作的研究人员，在Temple大学教授Antonio Giordano博士的带领下，以及来自比萨大学和其他意大利研究机构的科学家。这种基于AI的工作流程能够预测激酶活性，深入了解分子靶点相互作用，并识别具有治疗癌症潜力的组合。
这项由比萨大学药学系Miriana de Stefano博士领导的研究，展示了一种先进的计算工具，旨在增强对激酶与小分子相互作用的预测。KinasePred是一个针对特定问题而开发的数据依赖型计算工具，通过应用预测模型来选择激酶抑制剂，该模型使用激酶结合和选择性的分子基础。
KinasePred利用机器学习（ML）和AI进行准确预测，并解释促进相互作用的分子特性。研究人员希望该工具能够通过新的分子表示和不同的机器学习方法，实现更准确的预测，并提供对激酶相互作用更全面的了解。这些进展对于识别和最小化脱靶效应至关重要，最终将提高治疗剂的安全性和选择性。
关于Sbarro健康研究组织
Sbarro健康研究组织（SHRO）是一家致力于资助优秀基础遗传研究以治愈和诊断癌症、心血管疾病、糖尿病及其他慢性疾病的非营利慈善机构，并致力于培养年轻医生的专业精神和人文主义。欲了解更多关于SHRO的信息，请访问www.shro.org。
期刊链接：《国际分子科学杂志》（IJMS）
(全文结束)
