用特征引导的机器学习来研究被动血脑屏障的透性,以帮助药物发现
1Phillips Exeter Academy, Exeter, NH 03833, USA.
International journal of molecular sciences
|November 27, 2025
概括
机器学习准确地预测了药物开发的血脑屏障 (BBB) 透性. 随机森林模型确定了关键的分子特征,如NH / OH和NO组,增强中枢神经系统的药物发现洞察力.
科学领域:
- 药理学和化学信息学
- 计算机化药物发现技术
背景情况:
- 预测血脑屏障 (BBB) 透性对于开发针对中枢神经系统 (CNS) 的药物至关重要.
- 传统的方法经常与复杂的非线性结构-透性关系作斗争.
研究的目的:
- 评估监督机器学习模型,用于预测BBB透性.
- 确定影响BBB的被动扩散的关键分子描述因素.
主要方法:
- 利用公开的透性和非透性化合物的数据集.
- 比较随机森林和梯度增强机器学习模型.
- 进行特征分析以确定显著的分子描述符.
主要成果:
- 随机森林模型实现了准确性和通用性的最佳平衡,优于易于过拟合的梯度增强方法.
- 确定NH/OH和NO组计数是被动扩散的关键特征.
- 减少的键供体和异质原子数量与提高的透性相关.
- 在NH/OH数量=3时观察到决策边界,由于结合的复杂性,预测准确性下降.
结论:
- 机器学习模型,特别是随机森林模型,可以准确地预测BBB透率.
- 确定了影响BBB透的特定分子特征 (NH/OH,NO组,键捐赠体,异质原子).
- 这些发现为中枢神经系统的药物发现提供了有价值的见解,克服了传统的基于描述器的方法的局限性.
相关概念视频
00:49The Blood-brain Barrier
52.2K
Overview
52.2K
01:25Physiological Barriers
5.0K
Physiological barriers are semi-permeable cellular structures restricting drug diffusion into intracellular compartments and tissues. There are six types of physiological barriers: blood endothelial, cell membrane, blood-brain, blood-cerebrospinal fluid (CSF), blood-placenta, and blood-testis barriers.
The blood endothelial barrier is the most porous of these. It allows all small ionized, un-ionized, and lipophilic molecules to pass through the endothelial lining into the interstitial space...
The blood endothelial barrier is the most porous of these. It allows all small ionized, un-ionized, and lipophilic molecules to pass through the endothelial lining into the interstitial space...
5.0K