CLPSOで強化された混合カーネルSVMによるオシメルチニブ誘導体のEGFR^{L858R/ T790M/ C797S}抑制効果を予測する

科学分野:

• コンピュータ化学
• 薬物の発見
• 腫瘍学

背景:

• Epidermal成長因子受容体 (EGFR) 変異,特にEGFR^{L858R/ T790M/ C797S}は,オシメルチニブに対する耐性を引き出しています.
• 癌治療におけるオシメルチニブ耐性を克服するには,新しい阻害剤の開発が不可欠です.

研究 の 目的:

• EGFR^{L858R/ T790M/ C797S}変異に対するオシメルチニブ誘導体の抑制効果を予測する.
• より効果的なEGFR阻害剤の設計とスクリーニングを指導する.

主な方法:

• ヒューリスティック・メソッド (HM),ランダム・フォレスト (RF),遺伝子発現プログラミング (GEP),グラデーション・ブースティング・ディシジョン・ツリー (GBDT),および2つのサポート・ベクトル・マシン (SVM) 変種 (多項式および混合カーネル) を含む6つの予測モデルが開発されました.
• モデルディスクリプタはユーリスティック方法またはXGBoostを使用して選択され,超パラメータは包括的な学習粒子群最適化器によって最適化されました.
• 内部および外部検証は,オフワンアウトクロス検証 (QLOO2),5倍クロス検証 (Q5-fold2),コンコンダンス相関係数 (CCC),QF12,QF22を使用した.
• 分子ドッキング分析では,新しいEGFR阻害剤の性質を調査した.

主要な成果:

• 混合カーネルSVM (MIX-SVM) モデルは,高いR2 (0.9445トレーニング,0.9490テスト) と低いRMSE (0.1659トレーニング,0.1814テスト) を達成して優れたパフォーマンスを示しました.
• QLOO2 (0. 9107),Q5-fold2 (0. 8621),CCC (0. 9835),QF12 (0. 9689),QF22 (0. 9680) といった優れた検証指標が得られた.
• HMモデルは,PEAで検証されたトップ候補である162の新規化合物のIC50値を予測した.

結論:

• MIX- SVMモデルは,オシメルチニブ誘導体の有効性を予測するための堅固な基盤を提供します.
• このアプローチは,新しいEGFR^{L858R/T790M/C797S}阻害剤の合理的な設計と効率的なスクリーニングのための貴重な指針を提供します.
• この発見は,耐性がんに対する次世代のEGFR阻害剤の開発に寄与する.