pDILI_v1:一个基于Web的机器学习工具,用于预测药物诱导的肝损伤 (DILI),集成化学空间分析和分子指纹
Sk Abdul Amin1, Supratik Kar2, Stefano Piotto1
1Department of Pharmacy, Universita degli Studi di Salerno, Via Giovanni Paolo II 132, Fisciano 84084, Campania, Italy.
ACS omega
|April 14, 2025
概括
这项研究使用机器学习来探索与药物诱导肝损伤 (DILI) 相关的化学结构. 它确定结构性警报,并开发预测模型,在药物开发的早期标记潜在的肝毒性.
科学领域:
- 计算化学是一种计算化学.
- 药理学 药理学 是一个学科.
- 机器学习在药物安全方面的应用.
背景情况:
- 药物诱导性肝损伤 (DILI) 在药物开发和临床实践中存在重大风险.
- 预测人类DILI风险至关重要,但与DILI相关的化学空间仍未得到充分探索.
研究的目的:
- 使用计算方法系统地调查DILI风险的结构决定因素.
- 探索与DILI相关的化学空间和支架多样性.
- 识别影响DILI风险的结构性警报 (SAs) 并开发预测模型.
主要方法:
- 利用机器学习 (ML) 来对DILI风险进行全面的计算分析.
- 采用基于碎片的方法来识别与DILI相关的结构性警报.
- 开发了利用分子指纹进行DILI风险预测和结构意义阐明的监督ML模型.
主要成果:
- 确定了与DILI相关的关键结构特征和支架多样性.
- 开发了预测性ML模型,证明了早期肝毒性风险识别的潜力.
- 推出了pDILI_v1,用于DILI风险预测和可视化的用户友好的Web应用程序.
结论:
- 该研究通过将ML预测与化学空间分析相结合,推进了药物安全性评估.
- 开发的模型和工具有助于早期识别候选药物中的肝毒性风险.
- 这项研究有助于开发更安全的药品和减轻DILI风险.
更多相关视频
07:40A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
Published on: May 27, 2021
4.1K
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
2.6K
