怪物:一个基于网络的化学载体相互作用分析器
Mohamed Diwan M AbdulHameed1,2, Souvik Dey1,2, Zhen Xu1,2
1Department of Defense Biotechnology High Performance Computing Software Applications Institute, Telemedicine and Advanced Technology Research Center, Defense Health Agency Research and Development, Medical Research and Development Command, Frederick, MD, United States.
Frontiers in pharmacology
|March 13, 2025
概括
一个名为MONSTROUS的新工具预测药物载体相互作用,以防止药物的不良影响. 这种基于网络的分析程序有助于通过在开发初期识别潜在的负债来优先考虑候选药物.
科学领域:
- 药理学 药理学是指药理学的学科.
- 计算化学的计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 膜载体对于细胞功能至关重要,它们调解内源和外源化学物质的运输.
- 与载体的药物相互作用显著影响药物动力学,可能导致不良药物相互作用,毒性或治疗疗效降低.
- 监管机构建议选新的分子实体以检测载体相互作用,因为它们对药物的有效性和安全性很重要.
研究的目的:
- 开发一个公开可用的,基于网络的工具,用于预测与关键药物载体的化学相互作用.
- 帮助快速选和优先考虑候选药物,识别那些没有运输责任的药物.
- 为12种推进行监管测试的载体提供预测抑制剂和基质的资源.
主要方法:
- 使用公开可用的数据开发了机器学习和基于相似性的分类模型.
- 使用图形卷积神经网络 (GCNNs) 用于具有足够生物活性数据的传送器.
- 实施了基于二维相似性的方法,用于缺乏足够数据的传输器,以及适用性域计算.
主要成果:
- 在GCNN抑制剂模型中获得了0.85 ± 0.07的平均五倍交叉验证的ROC-AUC.
- 在GCNN基底模型中获得了0.79±0.08的平均ROC-AUC.
- 将集成的预测模型和适用性域计算集成到一个可访问的Web界面中.
结论:
- 怪物工具有效地预测药物载体相互作用,协助早期药物候选药物的评估.
- 公众可以获得MONSTROUS,这有助于快速选和确定优先级,可能降低药物开发风险.
- 预测模型显示出强大的性能,支持监管机构对运输商查的建议.


