细菌DNA旋转酶抑制剂分类模型和结构要求的研究,使用多种机器学习方法
1State Key Laboratory of Fine Chemicals, Dalian University of Technology, Dalian, 116024, Liaoning, China.
Molecular diversity
|February 19, 2024
概括
由于越来越多的抗药性 (MDR) 细菌,开发新的抗菌剂至关重要. 这项研究创建了计算模型来预测细菌DNA旋转酶抑制剂,确定药物发现的关键结构特征.
科学领域:
- 计算化学和生物信息学
- 药物的发现和开发.
- 微生物学和传染病.
背景情况:
- 耐多药性 (MDR) 细菌感染构成了严重的全球健康威胁,需要新的治疗策略.
- 细菌DNA旋转酶是一种必不可少的酶,也是开发新抗菌剂的有希望的目标.
- 由于目前的方法限制,对DNA回旋酶抑制剂的实验性鉴定具有挑战性.
研究的目的:
- 开发和优化用于预测细菌DNA旋转酶抑制剂的计算模型.
- 识别关键的结构碎片和指纹,这对于DNA回旋酶B抑制至关重要.
- 支持药物化学家设计新型抗菌化合物.
主要方法:
- 使用7个分子指纹和8个机器学习算法的56个计算分类模型的开发.
- 使用准确性 (ACC),马修相关系数 (MCC) 和G-mean等指标对模型性能进行评估.
- 通过贝叶斯分类和随后的分子对接研究来识别关键结构指纹.
主要成果:
- 最有效的模型 (Model_2D) 使用了KlekotaRoth指纹和SVM算法,实现了高性能指标 (ACC=0.86,MCC=0.63,G-平均值=0.82).
- 确定了影响DNA Gyrase B抑制的关键结构指纹.
- 分子对接揭示了关键结构碎片和DNA旋转酶B活性位点之间的结合模式.
结论:
- 该研究成功开发了细菌DNA旋转酶抑制剂的最佳计算分类模型.
- 鉴定的结构特征为新型DNA旋转酶抑制剂的合理设计提供了宝贵的见解.
- 这项工作为开发抗药性细菌感染的新疗法提供了重要的支持.


