多剤耐性チフス菌に対するQSARベース予測のための解釈可能な機械学習モデル

科学分野:

• 計算化学
• 医薬品化学
• 機械学習

背景:

• 多剤耐性チフス菌は、世界的な健康に対する重大な脅威となっています。
• 耐性菌感染症と戦うためには、新しい治療戦略が急務です。

研究 の 目的:

• 堅牢な機械学習（ML）ベースの定量的構造活性相関（QSAR）モデルを開発すること。
• 多剤耐性チフス菌に対して有効な潜在的な薬剤候補を特定すること。

主な方法:

• 高いモデル化可能性スコア（MODI = 0.89）を達成した、キュレーションされたChEMBL由来のデータセットが使用されました。
• ハイブリッド特徴選択ワークフローにより、化学的に解釈可能な20の分子記述子が特定されました。
• サポートベクターマシン（SVM）を含む8つの多様なML分類子が訓練され、ベンチマークされました。

主要な成果:

• SVMモデルは、ホールドアウトテストセットで最高のパフォーマンスを示しました。
• MCC（Matthews Correlation Coefficient）0.61およびROC-AUC 0.90を達成しました。
• 抗S.チフス活性を持つ潜在的な薬剤候補を特定することに成功しました。

結論:

• 厳密なML-QSARモデリングは、創薬のための信頼できるフレームワークを提供します。
• このアプローチにより、新規抗S.チフス剤の効果的な仮想スクリーニングと優先順位付けが可能になります。
• 耐性菌病原体に対する新しい治療法の開発を促進します。