.png){kind=icon}
返回
Advancing promiscuous aggregating inhibitor analysis with intelligent machine learning classification
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbaf205.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
小分子在药物发现中发挥着关键作用；然而，由于胶束聚集物的形成，部分小分子在先导化合物筛选中表现出非特异性抑制作用。这类假阳性结果往往导致显著的研究成本和时间投入。因此，为了在药物发现的早期阶段高效准确地识别潜在的聚集化合物，我们采用多种机器学习技术开发用于识别泛聚集抑制剂的分类模型。使用包含10 000个聚集物和10 000个非聚集物的训练数据集，通过结合四种不同的分子表示方法与多种机器学习算法对模型进行训练。我们发现，表现最佳的模型是采用基于路径的FP2指纹与立方支持向量机算法相结合的模型，该模型在验证集和测试集上均达到了最高的准确率和接收者操作特征曲线下面积值，同时保持了高灵敏度和特异度水平（>0.93）。此外，我们提出了一种新的模型解释方法——全局敏感性分析（GSA），以补充广为人知的SHapley Additive exPlanations分析。多项比较研究表明，GSA是一种高效且准确的方法，可用于识别对模型预测有重要贡献的描述符，特别是在数据集包含大量数据条目且描述符数量有限的情况下。我们的模型以及GSA的发现可以为筛选库设计提供有价值的指导，以最小化假阳性结果。
Keyword:
colloidal aggregator
machine learning
global sensitivity analysis
drug screening
compound library design
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
Explaining individual predictions when features are dependent: More accurate approximations to Shapley values当特征依赖时解释单个预测: 更准确地逼近Shapley值
OAAI
OAAI分享收藏Machine learning and deep learning based scoring functions in deciphering ligand-receptor binding: An application in drug design for GPCRs基于机器学习和深度学习的评分函数在解析配体-受体结合中的应用：G蛋白偶联受体药物设计中的应用
PREAI
分享收藏ChEMBL: towards direct deposition of bioassay dataChEMBL: 走向生物测定数据的直接沉积.png)
NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Could graph neural networks learn better molecular representation for drug discovery? A comparison study of descriptor-based and graph-based models图形神经网络可以为药物发现学习更好的分子表示吗？基于描述符和基于图的模型的比较研究OAAI
OAAI分享收藏Colloidal Aggregation Affects the Efficacy of Anticancer Drugs in Cell CultureACS CHEMICAL BIOLOGYOAAI
ACS CHEMICAL BIOLOGYIF3.8
OAAI分享收藏
查看更多内容