开发QSAR模型和Web应用程序,用于使用机器学习预测hDHFR抑制剂生物活性

科学领域:

• 生物化学和药物化学 医学化学
• 计算化学和化学信息学

背景情况:

• 人类二叶酸减少酶 (hDHFR) 是叶酸代谢中的关键酶,对于DNA合成和细胞增殖至关重要.
• hDHFR是抗癌,抗微生物和抗原动物治疗的验证治疗标.
• 对当前的hDHFR抑制剂的新兴耐药性需要开发新的药物.

研究的目的:

• 使用化学信息学方法开发用于hDHFR生物活性的预测机器学习模型.
• 为了确定与hDHFR抑制相关的关键分子特征.
• 创建一个用户友好的Web应用程序,用于预测新的化合物的hDHFR生物活性.

主要方法:

• 使用三种分子描述符类型 (PubChem,Substructure,MACCS指纹) 来表示化合物结构.
• 采用随机森林算法与超参数调用于模型构建.
• 应用递归特征消除 (RFE) 用于特征选择和主要组件分析 (PCA) 用于缩小维度和移除异常值.

主要成果:

• 实现了高预测性能,R平方值为0.9849-0.9934 (训练) 和0.9381-0.9591 (测试组).
• 使用外部测试集和领域适用性分析验证的模型.
• 通过特征重要性分析确定了有影响力的分子特征,这些特征有助于抑制hDHFR.

结论:

• 开发的化学信息模型准确地预测了hDHFR的生物活性.
• 这些模型可以加速发现新的hDHFR抑制剂,以克服药物耐药性.
• 研究人员可以使用可访问的Web应用程序来选潜在的药物候选者.