HERGAI:一种人工智能工具,用于基于结构的hERG抑制剂预测
Viet-Khoa Tran-Nguyen1, Ulrick Fineddie Randriharimanamizara2, Olivier Taboureau3
1Université Paris Cité, CNRS UMR 8251, INSERM ERL 1133, 75013, Paris, France. viet-khoa.tran-nguyen@u-paris.fr.
Journal of cheminformatics
|July 24, 2025
概括
我们开发了HERGAI,这是一种AI模型,可以预测hERG通道阻断剂,对于预防药物诱导的心脏毒性至关重要. 这种工具可以准确地识别潜在的抑制剂,增强药物安全查.
科学领域:
- 心血管药理学心血管药理学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 人类以太基因相关基因 (hERG) 通道对于心脏再极化和心律调节至关重要.
- 药物分子对hERG通道的抑制可以导致获得的长QT综合征,增加致命心律失常的风险.
- 准确预测hERG抑制活性对于减轻药物诱导的心脏毒性至关重要.
研究的目的:
- 开发和验证一种新的人工智能 (AI) 模型,用于预测hERG通道阻断器.
- 为培训和测试人工智能模型创建一个大,精心策划的潜在hERG抑制剂数据集.
- 提供一个公开可访问的工具,用于选化合物和评估心脏毒性风险.
主要方法:
- 编制了来自PubChem和ChEMBL的近30万个分子的大数据集,其中包括约2000个已确认的hERG阻断剂.
- 开发了基于结构的AI二进制分类器,使用蛋白质-联体扩展连接 (PLEC) 指纹.
- 采用随机森林,极端梯度增强和深度神经网络 (DNN) 算法,并使用堆叠组合DNN元学习器作为顶级模型.
主要成果:
- 性能最好的模型HERGAI实现了最先进的分类性能.
- 在一组具有挑战性的测试中,HERGAI准确识别了86%的IC50 ≤ 20μM的分子和94%的强效hERG阻断剂 (IC50 ≤ 1μM).
- 与现有的虚拟选方法相比,人工智能模型显示出更高的选能力.
结论:
- 开发的AI模型HERGAI提供了一种强大而准确的方法来预测hERG通道封锁.
- 赫尔盖可以通过识别潜在的心脏毒性化合物,显著帮助早期药物发现.
- 该模型,数据和源代码可供研究界使用,以促进药物安全性评估.
