基于投影的分子特征地图用于CNN驱动的毒性预测
Muhammad Zafar Irshad Khan1, Jia-Nan Ren1, Hong-Yu-Xiang Ye1
1College of Pharmaceutical Sciences, Zhejiang University, 866 Yuhangtang Rd., Hangzhou, 310058, Zhejiang, China.
Archives of toxicology
|December 8, 2025
概括
这项研究引入了一种新的投影方法,用于预测药物对脏的毒性. 这种方法将3D分子结构转换为2D地图,提高药物安全性预测模型的准确性.
科学领域:
- 计算化学是一种计算化学.
- 毒理学 毒理学 毒理学
- 药物开发 药物开发
背景情况:
- 预测毒剂对于药物开发至关重要,因为毒性风险.
- 传统的分子描述器往往缺乏用于准确预测毒性的空间和电子细节.
研究的目的:
- 开发一种新的基于投影的方法,用于增强毒性预测.
- 通过3D到2D分子结构转换来改善特征表示和深度学习模型性能.
主要方法:
- 利用Mollweide和等直角投影将3D分子几何形状转换为2D地图.
- 包含基于原子,静电和范德瓦尔斯 (vdW) 的投影来表示分子性质.
- 开发了一个卷积神经网络 (CNN) 模型用于预测.
主要成果:
- 莫尔韦德预测实现了83%的预测准确度和0.86的AUC,优于其他方法.
- 基于投影的地图通过可视化原子位置,电荷分布和固态潜力来增强分子模式识别.
- 该模型的可靠性通过独立测试,交叉验证和与传统描述模型的比较来证实.
结论:
- 基于投影的分子表示显示了有效的毒性查的巨大潜力.
- 这种方法在毒理学预测方面取得了进展,并有助于提高药物安全性.
