MVGNet:使用多任务学习和多视图框架预测PI3K抑制剂
Yanlei Kang1, Qiwei Xia1, Yunliang Jiang1,2
1Zhejiang Province Key Laboratory of Smart Management & Application of Modern Agricultural Re-sources, School of Information Engineering, Huzhou University, Huzhou 313000, Zhejiang Province,China.
ACS omega
|November 18, 2024
概括
一个新的深度学习模型,MVGNet,准确地预测了酸氨基 3-激酶 (PI3K) 抑制剂的活性. 这一框架有助于发现新的PI3K向癌症疗法.
科学领域:
- 生物化学 生化学
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 酸丁3-酶 (PI3K) 是一个关键的细胞内酶,参与细胞信号传递,有四种主要异型 (PI3Kα,PI3Kβ,PI3Kγ,PI3Kδ).
- PI3K抑制剂被认为是癌症治疗的有前途的分子向药物,原因是它们对瘤细胞的抗增殖和亲亡作用.
研究的目的:
- 开发和验证一种新的多视图深度学习框架 (MVGNet),用于预测分子对四种PI3K异型的抑制活性.
- 根据已建立的机器学习和深度学习模型评估MVGNet的性能.
主要方法:
- MVGNet框架集成基于片段的药理信息,并使用多任务学习来捕获任务间的相关性.
- 该模型经过训练并对其预测PI3Kα,PI3Kβ,PI3Kγ和PI3Kδ的抑制活性的能力进行了评估.
主要成果:
- 与基线模型相比,MVGNet表现优越,包括随机森林,SVM,XGBoost,GAT,D-MPNN,CMPNN和KANO.
- 该模型在测试组中实现了高平均AUC-ROC (0.927 ± 0.006) 和AUC-PR (0.980 ± 0.002) 值.
结论:
- 拟议的MVGNet框架为预测PI3K抑制剂活性提供了一种强大而准确的方法.
- 这项研究为PI3K抑制剂的结构-活性关系提供了宝贵的见解,有助于设计新的抗癌疗法.
