针对抗结肠直肠癌化合物的增强QSAR建模的3D电子云描述器
Jianmin Li1, Rongling Gu2, Shijie Du1
1College of Material and Chemical Engineering, Tongren University, Tongren, 554300, Guizhou, People's Republic of China.
Journal of computer-aided molecular design
|October 24, 2025
概括
我们使用3D电子密度特征开发了先进的分子描述器,以改进定量结构-活动关系 (QSAR) 建模. 这些新型描述符增强了机器学习模型的性能,用于药物发现应用.
科学领域:
- 计算化学计算化学
- 化学信息学 化学信息学
- 机器学习 机器学习
背景情况:
- 传统的定量结构-活动关系 (QSAR) 描述器难以捕捉复杂的分子电子和空间特性.
- 在药物发现中需要更复杂的分子表示.
研究的目的:
- 开发一个高维的QSAR框架,利用3D电子密度特征.
- 通过整合统计,几何和拓维度来增强分子表征.
- 提高QSAR中的机器学习模型的预测性能.
主要方法:
- 使用密度函数理论 (DFT) 计算电子密度.
- 将电子密度转换为3D点云.
- 将点云编码为多尺度描述符 (半径分布函数,球体波扩张,点特征直方图,持久同质).
- 集成描述器与机器学习模型,如光梯度增强机 (LightGBM).
主要成果:
- 提出的电子密度描述器显著改善了机器学习模型的性能 (例如,AUC从0.88增加到0.96).
- 在基准测试中表现优于行业标准ECFP4指纹.
- 电子结构信息,而不仅仅是几何,对于预测收益至关重要.
- 在与传统的1D/2D描述符集成时观察到的互补性.
结论:
- DFT衍生的电子密度特征可以系统地集成到QSAR建模中.
- 这些基于电子结构的描述符为现有方法提供了有价值的互补性.
- 开辟了药物发现中的分子表示的新途径,尽管计算成本很高.
