深度学习模型用于预测人类细胞染色体P450的抑制和诱导
1School of Medicine, and Warshel Institute for Computational Biology, The Chinese University of Hong Kong, Shenzhen, Guangdong 518172, P. R. China.
Journal of chemical information and modeling
|September 18, 2025
概括
这项研究引入了先进的深度学习模型,以预测与细胞染色体P450酶 (CYPs) 的药物相互作用. 这些计算工具通过有效识别潜在的CYP抑制剂和诱导剂来改善药物安全性评估.
科学领域:
- 药理学和毒理学 药理学和毒理学
- 计算化学计算化学
- 药物开发 药物开发
背景情况:
- 细胞染色体P450酶 (CYPs) 对药物代谢至关重要,因此对其抑制和诱导的预测对于药物安全至关重要.
- 识别CYP调节器的实验方法耗时且昂贵,需要高效的in silico方法.
研究的目的:
- 开发先进的深度学习模型来预测CYP抑制和诱导.
- 为了确定与CYP调节相关的结构特征.
- 预测人类孕妇X受体 (hPXR) 激活,这是CYP诱导的关键机制.
主要方法:
- 深度神经网络与主要成分分析 (PCA) 和合成少数超样本技术 (SMOTE) 的整合,用于CYP抑制预测.
- 开发一种新的分类模型来分类CYP抑制强度 (强度,中度,非抑制剂).
- 应用统计分析来识别CYP抑制和诱导的结构性警报 (SAs).
- 创建一个深度学习模型来预测hPXR激活.
主要成果:
- 深度学习模型显示了对CYP抑制的优异预测性能.
- 该分类模型准确地区分了关键CYP的强度,中度和非抑制剂.
- 确定了与CYP抑制和CYP3A4诱导相关的特定结构性警报.
- 该hPXR激活预测模型取得了良好的表现.
结论:
- 先进的深度学习模型提供了有效和准确的CYP抑制和诱导的in silico预测.
- 识别的结构性警报为药物设计和安全评估提供了宝贵的见解.
- 预测hPXR激活有助于理解和减轻CYP诱导风险.


