使用BAD分子波器检测小体聚合分子的精度和化学空间覆盖率的提高

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 生物物理学的生物物理.

背景情况:

• 在药物发现中,高吞吐量查 (HTS) 经常受到小合聚合分子 (SCAM) 的错误阳性阻碍.
• SCAMs可以非特异性抑制蛋白质标,导致不准确的测试结果和浪费资源.

研究的目的:

• 开发一种计算预测工具,根据其二维化学结构识别SCAM.
• 通过减少虚假阳性来提高HTS活动的准确性和效率.

主要方法:

• 使用决策树组合方法 (CatBoost和LightGBM) 开发增强聚合检测 (BAD) 分子波器.
• 在个人,共识和合并数据集上训练的模型的探索.
• 利用SHAP分析来识别影响聚合倾向的关键特征.

主要成果:

• 单个数据集方法实现了93%的灵敏度和90%的特异性,比现有模型的性能分别优于20%和5%.
• 共识模型提供了广泛的化学空间覆盖率 (>90%),适合早期药物化学.
• SHAP分析强调了疏水性和分子复杂性是聚合的关键因素.

结论:

• BAD分子波器提供了一种强大的计算方法,用于预测和减轻早期药物发现中的SCAM.
• 这个工具可以优化成功率,降低验证成本,并提高HTS活动的可靠性.
• BAD分子波器是公开可用的,用于药物发现研究.