MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1080/17460913.2025.2525717

Медицинская библиотека · Future microbiology · 2025

Employing machine learning for identifying antifungal compounds against Candida albicans.

de Souza Dienny Rodrigues, Silva Lívia Do Carmo, E Silva Kleber Santiago Freitas, de Jesus Fabricio Silva, de Oliveira Amanda Alves, Neves Bruno Junior, Pereira Maristela

СтатьяПоддержка исследования: вне правительства СШАПеревод пока не подготовлен

Аннотация

AIMS: To evaluate the efficacy of a machine learning approach in developing classification and regression models for antifungal activity against Candida albicans.

MATERIALS &

METHODS

Utilized RF, SVM, and LightGBM algorithms to screen the eMolecules® library. Selected 17 virtual hits for in vitro assays.

RESULTS

Eleven compounds showed activity against C. albicans. Compounds 1 and 17 inhibited C. albicans at 0.51 µM and 0.071 µM, respectively.

CONCLUSIONS

The RF model proved effective for virtual screening, demonstrating the success of the physicochemical classification and regression model in identifying new antifungal molecules against C. albicans.

Для цитирования: de Souza Dienny Rodrigues, Silva Lívia Do Carmo, E Silva Kleber Santiago Freitas, de Jesus Fabricio Silva, de Oliveira Amanda Alves, Neves Bruno Junior, Pereira Maristela. Employing machine learning for identifying antifungal compounds against Candida albicans.. Future microbiology. 2025. DOI: 10.1080/17460913.2025.2525717.

Предметные рубрики MeSH

Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.