DeepHDAC3i:HDAC3阻害剤の加速発見のための解釈可能なディープラーニングベースのフレームワークの活用

科学分野:

• エピジェネティクスと コンピューターによる薬物開発です

背景:

• エピジェネティック・モディフィケーションは DNAの配列を変えることなく 遺伝子発現を制御する.
• ヒストン脱酸化酵素 (HDAC) 阻害剤はがん治療に用いられるが,特異性は欠けている.
• 選択的HDAC阻害剤は,がん治療結果を改善するために必要である.

研究 の 目的:

• HDAC3阻害剤 (HDAC3i) の正確なインシリコ識別のための新しい解釈可能なディープラーニングフレームワーク,DeepHDAC3iを開発する.
• 3Dリガンド構造の必要性を回避して,阻害剤の識別のためにSMILES記号のみを使用する.

主な方法:

• SMILESの記号からマルチビューの特徴を抽出するために,5つの分子コーディング方法 (CDKExt,KR,KRC,Pubchem,RDKit) を採用した.
• 最適な特徴の選択のための弾性網とモデル構築のための1Dコンボリューションニューラルネットワーク (1D-CNN) を使用した.
• 特徴の解釈性を高めるため,Shapley Additive exPlanationを活用した.

主要な成果:

• DeepHDAC3iは,独立したテストセットで高性能を達成し,精度は0.965,MCCは0.930,AUCは0.985でした.
• 精度,F1,AUC,MCCの有意な改善で,従来の機械学習およびディープラーニングモデルと比較して優れたパフォーマンスを示しました.
• このフレームワークは,HDAC3iの識別を推進する主要な特徴に関する解釈可能な洞察を提供します.

結論:

• DeepHDAC3iは,HDAC3阻害剤を特定するための非常に正確で解釈可能なディープラーニングツールです.
• このフレームワークは,がん治療における薬剤発見に費用対効果の高い迅速なアプローチを提供します.
• DeepHDAC3iは既存の方法を上回り,HDAC3iの正確な識別のための貴重なツールを提供します.