基于机器学习的IRAK4抑制剂活性预测模型的构建
Yihuan Zhao1,2,3, Qianwen Wan4,5,6, Xiaoyu He4,5,6
1Key Laboratory of Basic Pharmacology of Guizhou Province and School of Pharmacy, Zunyi Medical University, Zunyi, 563006, People's Republic of China. 2225694159@qq.com.
Molecular diversity
|July 6, 2024
概括
我们开发了一种机器学习模型,准确预测介素-1受体关联激酶4 (IRAK4) 抑制剂活性,确定了34种有前途的候选药物用于进一步研究.
科学领域:
- 药用化学 医学化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 介素-1受体相关激酶4 (IRAK4) 在Toll类受体和介素-1受体信号通路中至关重要.
- 伊拉克4在免疫,炎症和癌症中的作用使其成为小分子抑制剂的关键标.
- 准确预测IRAK4抑制剂活性对于有效的药物开发至关重要.
研究的目的:
- 开发和验证IRAK4抑制剂活性的预测模型.
- 为了选一个大型的化学图书馆,寻找潜在的IRAK4抑制剂.
- 为了识别针对IRAK4.4的新型类似药物的化合物.
主要方法:
- 在1628个IRAK4抑制剂的数据集上使用LightGBM和分子指纹构建了一个机器学习模型.
- 高通量分子对接选了来自chemdiv数据库的160万种化合物.
- 应用ADMET预测和药物相似性规则来过潜在的候选人.
- 用分子动力学模拟来确认结合稳定性.
主要成果:
- 在独立测试中,预测模型实现了R2=0.829,MAE=0.317和RMSE=0.460.
- 该模型从2023年开始成功预测了90种IRAK4抑制剂的活性.
- 在严格的查和验证后,34种化合物被确定为有前途的IRAK4抑制剂候选者.
- 分子动力学证实,已识别的化合物与IRAK4.4稳定结合.
结论:
- 已经建立了一个强大的机器学习模型来预测IRAK4抑制剂活性.
- 这项研究确定了34种具有IRAK4抑制剂潜力的新型化合物.
- 这些发现为新的IRAK4抑制剂的结构导向设计提供了宝贵的见解.
