相关实验视频
Updated: Jun 22, 2025
11:11
Canine Intestinal Organoids in a Dual-Chamber Permeable Support System
Published on: March 2, 2022
3.6K
一种机器学习方法用于预测来自秘鲁生物多样性的自然产品中的Caco-2细胞透性
Victor Acuña-Guzman1, María E Montoya-Alfaro1, Luisa P Negrón-Ballarte1
1Faculty of Pharmacy and Biochemistry, Universidad Nacional Mayor de San Marcos, Lima 15001, Peru.
Pharmaceuticals (Basel, Switzerland)
|June 27, 2024
概括
这项研究开发了一种机器学习模型,使用Caco-2细胞透性来预测秘鲁天然产品的肠道吸收. 该模型确定了许多具有高吸收潜力的化合物,有助于药物发现.
科学领域:
- 药理学和药物发现
- 计算化学计算化学
- 自然产品研究 自然产品研究
背景情况:
- 秘鲁拥有丰富的生物多样性和关于药用植物的传统知识.
- 关于这些天然产品的肠道吸收和透性的数据有限.
- 卡科-2细胞系测定对于体外透性评估至关重要.
研究的目的:
- 开发一种定量结构-属性关系 (QSPR) 模型,用于预测秘鲁天然产品的Caco-2细胞透性.
- 使用机器学习算法来准确预测表面透率 (log Papp).
- 评估来自秘鲁的天然产品的肠道吸收潜力.
主要方法:
- 编制了1817个化合物的数据集,其中包括实验日志Papp值和分子描述符.
- 构建并比较了六种QSPR模型:MLR,PLS,SVM,RF,GBM,以及一个SVM-RF-GBM组合模型.
- 在测试集上使用RMSE和R2指标评估模型性能.
主要成果:
- 结合的SVM-RF-GBM模型获得了最佳性能 (RMSE = 0.38,R2 = 0.76).
- 该模型预测了502种评估的天然产品中68.9%的高肠道吸收潜力.
- 自然产品根据代谢途径进行分类,并评估药物相似性.
结论:
- 开发的QSPR模型有效地预测了秘鲁天然产品的肠道吸收.
- 这些发现有助于识别有前途的天然产品,用于药物开发.
- 这项研究通过突出具有有利吸收特性的化合物来支持制药发现工作.
