文章发布状态：免费摘要标题：
使用机器学习技术对生姜 (Zingiber officinale) 的抗乳腺癌活性进行计算机预测。
摘要来源：Breast Dis。 2024；43(1)：99-110。 PMID：38758988
摘要作者：Marisca Evalina Gondokesumo、Muhammad Rezki Rasyak
文章隶属关系：Marisca Evalina Gondokesumo
摘要：简介： 印度尼西亚文明广泛使用传统医学来治疗疾病和保持健康。缺乏对药用植物安全性和功效的了解仍然是一个重大问题。尽管造成这种影响的确切化学物质尚不清楚，但生姜是东南亚地区常见的药用植物ia 可能具有抗癌特性。
方法：使用 Dudedocking 的数据，创建了一个机器学习模型来预测可能的情况来自生姜的乳腺癌抗癌化学物质。该模型用于预测阻断 KIT 和 MAPK2 蛋白（乳腺癌的必需元素）的物质。
结果：Beta-根据分子对接，胡萝卜素、5-羟基-74-二甲氧基黄酮、[12]-姜烯酚、异姜烯酮 B、姜黄素、反式-[10]-姜烯酚、姜烯酮 A、二氢姜黄素和去甲氧基姜黄素均优于 MAPK2 的参考配体研究。番茄红素、[8]-Shogaol、[6]-Shogaol 和 [1]-Paradol 表现出低毒性且不违反 Lipinski 规则，但 β-胡萝卜素具有毒性预测且不违反 Lipinski 规则。预计所有三种物质都具有抗癌特性。
结论：总体而言，这项研究展示了机器学习在药物开发中的价值，并提供了有关生姜中可能的抗癌化学物质的深入信息。