解釈可能な機械学習による炭酸脱水酵素阻害の合理化：適合および反事実予測

科学分野:

• 生化学
• 計算化学
• 薬理学

背景:

• ヒト炭酸脱水酵素（hCA）アイソフォームIXおよびXIIは、重要な抗がん標的です。
• hCA IIとの構造的類似性により選択的阻害は困難であり、副作用を引き起こす可能性があります。

研究 の 目的:

• hCAアイソフォームII、IX、XIIの選択的阻害を予測およびガイドするための解釈可能な機械学習フレームワークを開発する。
• 合理的な薬物設計のための分子解釈可能性と不確実性定量化を強化する。

主な方法:

• 古典的および深層学習モデルの厳密なデータキュレーションと体系的なベンチマーク。
• 不確実性定量化のための適合予測の統合。
• 分子解釈可能性のための反事実的説明の適用。

主要な成果:

• 拡張接続指紋を備えたサポートベクターマシンは、複雑なモデルよりも優れた性能を発揮し、データの品質を強調しました。
• 適合予測により、厳密な活性推定が可能になりました。
• 反事実分析により、アイソフォーム選択性を支配する重要な構造的特徴、特にテール領域が特定されました。

結論:

• 開発されたフレームワークは、選択的なhCA阻害剤の設計のための解釈可能なガイダンスを提供します。
• テール領域は、hCAアイソフォーム間の阻害剤活性を区別するための重要な決定要因です。
• CAInsightソフトウェアは、選択的なhCA阻害剤の仮想スクリーニングと生成デザインを容易にします。