揭露药物诱导的骨质毒性:一种机器学习方法和网络服务器

科学领域:

• 药理学 药理学是指药理学的学科.
• 毒理学 毒理学 毒理学
• 计算化学计算化学

背景情况:

• 药物诱导的骨质毒性在临床实践和药物开发中存在重大风险.
• 现有的毒性评估模型缺乏专门的数据集和算法来预测骨毒性.
• 在制药研究期间,急需预测工具来评估骨安全性.

研究的目的:

• 开发一种药物诱导骨质毒性预测模型和在线平台.
• 确定关键的分子标和涉及骨质毒性的途径.
• 创建一个强大的工具来评估与化学化合物相关的骨健康风险.

主要方法:

• 编制了骨质毒性分子的数据集,并进行了聚类分析.
• 使用了目标预测,基因本体学 (GO) 和KEGG通路分析.
• 开发和评估了各种机器学习模型,包括变压器,SVM,XGBoost和带有分子图的图形神经网络 (GNN),ViT和KPGT.

主要成果:

• 确定了关键基因 (IL6,TNF,ESR1,MAPK3) 和阐明了潜在的机制.
• 基于描述器的模型实现了0.82准确度和0.89 AUC.
• 分子图和KPGT模型显示出强大的预测性能,AUC为0.86.
• 推出Bonetox,这是第一个用于骨质毒性预测的在线平台.

结论:

• 在药物开发过程中,Bonetox为评估骨质毒性提供了有价值的工具.
• 该平台有助于改善安全协议并减轻骨副作用.
• 改进的骨毒性预测有助于更安全的治疗方法和公共卫生.