MMFi-DPBML:伝統的な中国医学における成分と標的の相互作用を予測するための多分子指紋機能融合

科学分野:

• 計算化学と薬理学
• バイオ情報学と化学情報学
• 中国伝統医学の研究

背景:

• 伝統的な中国医学 (TCM) は,複雑な成分と標的の相互作用 (ITI) を有する複雑な天然化合物に依存しています.
• ITIの正確な予測は,TCMの近代化と天然製品からの薬剤発見の進歩に不可欠です.
• 既存の計算方法では,ITIに関連する分子特性の全スペクトルを捉えるのに苦労することが多い.

研究 の 目的:

• TCMのITIを予測するためのディープラーニングフレームワークであるMMFi-DPBMLの開発と検証.
• 多分子指紋機能を統合し,予測の精度を向上させる.
• TCMのデータ駆動型近代化を支援し,生物活性化合物の識別を容易にする.

主な方法:

• MMFi-DPBMLは4つの分子指紋 (MACCS,ECFP4,Torsion,2D Pharmacophore) と20個の分子記述子を融合させる.
• ディープ・ピラミッド・コンボリューション・ニューラル・ネットワーク (DPCNN) は分子特性を処理し,スタックされたBiLSTMはタンパク質標的をコードする.
• 多層パーセプトン (MLP) は,カスタム TCMTS データセットと公開ベンチマークで評価された最終的な相互作用予測のためのこれらの機能空間を統合します.

主要な成果:

• 完全なMMFi-DPBMLモデルは,TCMTSデータセットで0. 9873のAUCと0. 9860の加重F1スコアで高い性能を達成しました.
• アブラーション研究では,それぞれの特徴型とモデルコンポーネントの貢献が確認されました.
• MMFi-DPBMLは最先端のITI予測モデルを上回り,Scutellaria baicalensisの予測を検証する分子ドッキングにより,多様なデータセットに強固な汎用性を示した.

結論:

• MMFi-DPBMLは,TCMの成分と標的の相互作用を正確に予測するために,多様な分子特性を効果的に統合しています.
• このモデルは,特に天然製品の活性成分を特定する上で,薬剤発見のための計算ツールとして大きな可能性を秘めています.
• 将来の研究は,モデルの解釈性を向上させ,マルチターゲットの薬理学的モデリングに能力を拡張することに焦点を当てます.