在中通过人工智能方法预测人体器官毒性
Yuxuan Hu1, Qiuhan Ren2, Xintong Liu1
1State Key Laboratory of Natural Medicines, China Pharmaceutical University, Nanjing 210009, China.
Chemical research in toxicology
|June 10, 2023
概括
人工智能模型预测人体器官毒性,有助于早期药物发现. 基于图形的深度学习和转移学习对识别潜在的候选药物和减少临床失败非常有希望.
科学领域:
- 计算毒理学计算毒理学
- 药物发现 药物发现
- 机器学习在药理学中的应用.
背景情况:
- 不可预测的人体器官毒性是药物临床试验失败的主要原因.
- 早期,成本效益高的人类毒性评估对于药物开发至关重要.
- 人工智能 (AI) 为化学毒理学预测提供了一个有希望的方法.
研究的目的:
- 为八个关键的人体器官毒性终点开发全面的in silico预测模型.
- 评估机器学习,深度学习和转移学习算法的性能,用于毒性预测.
- 为快速识别具有潜在人体器官毒性的化合物提供工具.
主要方法:
- 利用机器学习,深度学习 (特别是基于图形的方法) 和转移学习算法.
- 开发和验证了八个重要的人体器官水平毒性终点的预测模型.
- 研究了转移学习的有效性,使用体内急性毒性和Tox21体外数据来预测皮肤敏感化.
主要成果:
- 基于图形的深度学习模型通常优于传统的机器学习模型.
- 大多数研究的人体器官毒性终点的高预测性能得到了实现.
- 转移学习增强了皮肤敏感化终点的模型性能.
结论:
- 开发的in silico模型为早期识别具有人体器官毒性的化合物提供了有价值的指导.
- 人工智能驱动的毒性预测可以加速药物发现并减少晚期失败.
- 基于图表的深度学习和转移学习是预测复杂毒性概况的有效策略.
