PKM2Pred:一种人工智能工具,用于快速识别和估计PKM2-向抗癌化合物的功效
Aryan Raj Saxena1, Palak Singla1, Arya Chakraborty2
1Advanced BioComputing Lab, Department of Bioengineering and Biotechnology, Birla Institute of Technology Mesra, Ranchi, 835215 Jharkhand, India.
ACS medicinal chemistry letters
|December 17, 2025
概括
一个新的机器学习工具PKM2Pred通过分类化合物和预测其生物活性来帮助抗癌药物的发现. 这个免费访问的网络服务器提供了对Pyruvate Kinase M2 (PKM2) 调制的快速计算见解.
科学领域:
- 计算化学和生物信息学
- 药物的发现和开发.
- 癌症代谢研究 癌症代谢研究
背景情况:
- 癌症的代谢复杂性对药物开发构成了重大挑战.
- 酸盐激酶M2 (PKM2),一个关键的糖解酶,在瘤进展和转移中起着至关重要的作用.
- 有针对性的药物发现需要有效的方法来识别PKM2.2等关键癌症相关蛋白质的调节器.
研究的目的:
- 推出PKM2Pred,这是一个免费访问的网络服务器,用于针对PKM2.2的计算药物发现.
- 将化学化合物分类为PKM2激活剂,抑制剂或诱剂.
- 为了预测AC50生物活性范围的化合物与置信区间.
主要方法:
- 基于随机森林分类器的机器学习模型的开发.
- 使用关键分子描述符 (WTPT-5,SRW9,nHeteroRing) 进行预测.
- 采用引导回归模型来估计生物活性范围和置信区间.
主要成果:
- PKM2Pred模型的准确性达到94%,马修斯相关系数为90.02%.
- 确定了WTPT-5,SRW9和nHeteroRing作为最重要的分子描述符.
- 服务器为药物发现提供快速,可靠和具有成本效益的计算见解.
结论:
- PKM2Pred提供了一种有价值的计算工具,可以加速抗癌药物发现.
- 网络服务器有助于有效选和预测PKM2向化合物.
- 这种方法在药物开发管道中提供了显著的成本和时间节省.
