一个新的计算机器学习管道来量化三维蛋白质结构中的相似性

科学领域:

• 生物医学研究的研究.
• 计算生物学是一种计算生物学.
• 药理学 药理学是指药理学的学科.

背景情况:

• 在药物开发中,动物模型对于临床前试验至关重要.
• 选择合适的动物模型需要评估目标生物学和蛋白质与人类的相似性.
• 目前的方法依赖于序列比较,忽视了关键的3D结构信息.

研究的目的:

• 开发一种新的机器学习管道,用于在药物开发中选择最佳的动物模型.
• 通过结合3D结构数据,提高跨物种蛋白质相似性评估的准确性.
• 为特定药物目标提供一种定量方法,以确定最相关的动物物种.

主要方法:

• 使用了机器学习管道,将蛋白质数据库中的基于3D结构的功能结合起来.
• 来自UNIPROT和ChEMBL的生物活性数据的综合名义数据,与人类和动物数据相匹配.
• 使用XGBoost回归模型计算目标相似度得分并预测最佳动物物种,包括使用AlphaFold衍生目标的验证.

主要成果:

• 开发了一种定量管道,以计算基于3D结构特征的跨物种蛋白质相似性得分.
• 通过比较相似度得分,成功地确定了针对药物点的最佳动物物种.
• 通过使用替代蛋白质结构数据 (AlphaFold) 和按表型分组目标来证明管道的适用性.

结论:

• 新的基于3D结构的机器学习管道显著改善了药物开发的动物模型的选择.
• 与传统的基于序列的方法相比,这种方法为评估跨物种蛋白质相似性的生物相关性和准确性提供了更准确的方法.
• 该管道有助于确定最佳动物模型,从而提高临床前药物测试和开发的效率和可靠性.