人类免疫缺陷病毒药物耐药性的定量预测
Ekaterina A Stolbova1, Leonid A Stolbov1, Dmitry A Filimonov1
1Department of Bioinformatics, Institute of Biomedical Chemistry, 10-7, Pogodinskaya Street, Moscow 119121, Russia.
Viruses
|July 27, 2024
概括
预测人类免疫缺陷病毒1型 (HIV-1) 耐药性至关重要. 这项研究使用机器学习开发了定量模型来预测HIV-1对蛋白酶抑制剂的耐药性,对大多数药物显示出有希望的结果.
科学领域:
- 病毒学 病毒学
- 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:
- 病原体的耐药性,特别是像人类免疫缺陷病毒1型 (HIV-1) 这样的病毒,显著降低了治疗效果.
- 关于HIV-1耐药性的数据积累需要开发先进的预测模型.
- 了解和量化HIV-1耐药性对于优化抗逆转录病毒疗法至关重要.
研究的目的:
- 开发和评估用于预测HIV-1对蛋白酶抑制剂耐药性的定量模型.
- 分析HIV-1蛋白酶的氨基酸序列,以确定与耐药性相关的模式.
- 评估机器学习模型在预测药物耐药性水平方面的表现.
主要方法:
- 利用机器学习算法,包括随机森林回归 (RFR),支持矢量回归 (SVR) 和自相一致回归 (SCR).
- 采用二进制向量,代表氨基酸序列中的片段作为独立变量.
- 预测了折叠率,药物耐药性的衡量标准,作为900种HIV-1变体的依赖变量.
主要成果:
- 支持向量回归 (SVR) 和自相一致回归 (SCR) 模型显示出最高的预测性能.
- 开发的模型实现了高R平方值 (0.8280.909) 预测对九种蛋白酶抑制剂中的八种抗药性.
- 观察到较低的R平方值 (0.642) 可以预测对tipranavir的耐药性.
结论:
- 开发的SVR和SCR模型为定量预测HIV-1对蛋白酶抑制剂的耐药性提供了可靠的方法.
- 该方法可以扩展到评估其他病毒分子点的耐药性,并使用现有的实验数据.
- 这项工作通过预测药物疗效,有助于在艾滋病毒治疗中推进个性化医学.
更多相关视频
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
513
07:06Prediction of HIV-1 Coreceptor Usage Tropism by Sequence Analysis using a Genotypic Approach
Published on: December 1, 2011
13.3K
