监督机器学习算法的评估和计算结构验证单核酸多形态与帕拉塞坦醇急性肝损伤相关的单核酸多形态

科学领域:

• 药物基因组学和计算生物学.
• 研究影响药物代谢和毒性的遗传变异.

背景情况:

• 青 (乙氨基) 是一种广泛使用的止痛药和抗发烧药.
• 危急病患者和患有慢性功能衰竭的患者特别容易受到青的毒性作用.
• 药物代谢酶中的单核酸多态 (SNPs) 可以改变青的疗效和安全性.

研究的目的:

• 在预测急性肝损伤的代谢酶中识别特定的SNP.
• 为了利用机器学习算法 (MLA) 和生物信息学用于SNP识别和分子动态分析.

主要方法:

• 这是一项涉及患有慢性功能衰竭的重症患者,接受静脉注射类降醇的横截面研究.
• 测量了血清中青和代谢物度.
• 在CYP2E1,CYP2D6,CYP3A4,CYP1A2和CYP3A5中使用MLA,PredictSNP2和分子对接 (MD) 评估了SNP.

主要成果:

• MLAs确定了CYP2E1*2和CYP1A2*1C基因型作为肝毒性的显著预测因素.
• 在分析中发现CYP1A2*3具有高度有害性,MD模拟显示了对CYP1A2变体与醇的结合 afinities 变化.
• 模拟MD表明变化的绑定能量的CYP3A4*2和CYP3A4*3变体与.

结论:

• 在CYP2E1,CYP1A2,CYP3A4和CYP3A5中的多态性显著影响青的临床结果和结合亲和力.
• 进一步的临床研究至关重要,以阐明这些多形态对青的药理动力学和药理动力学的确切影响.