论文部分内容阅读
目的:药物引起的心脏不良反应是最常见的药物毒副作用之一,也是导致大量上市药物被撤市的重要原因之一。同时,副作用尤其是中药引起的心脏毒性方面的报道更是屡见不鲜。因此,尽早地评估药物的心脏毒性和预测中药的心脏毒性是非常有意义的。方法:在本研究中,我们运用机器学习方法建立识别心脏毒性化合物的分类模型。首先,从药物不良反应数据库中搜集具有心脏毒性的化合物,并以此生成相应的非心脏毒性化合物,组建成训练集与测试集。其次,使用MOE(version,2009)和PaDEL-Descriptor(version,2.21)软件进行分子描述符的计算并进行优化,结合三种机器学习算法(逻辑回归、随机森林、K-最近邻算法),最终共构建了六个分类模型。此外,为进一步提高分类模型的预测能力,我们在表现最优的两个分类模型的基础上引入了三类分子指纹(Estate、MACCS和SubFP),重新构建了六个新的分类模型。最后,用所选的两个最优的分类模型预测被明确报道的有心脏毒性的20味中药的化学成分。结果:经综合评估,PaDEL_LFS_LR+MACCS(PLL+MACCS)与PaDEL_LFS_LR+SubFP(PLL+SubFP)这两个分类模型的预测能力最为突出。20味中药中亚油酸(Linoleic acid)、棕榈酸(palmitic acid)、硬脂酸(stearic acid)、β-谷固醇(beta-sitosterol)、谷固醇(sitosterol)和油酸(oleic acid)这6个化合物值得进一步研究。结论:在本文中,为预测药物导致的心脏毒性,我们构建了具有高敏感度与高精度的虚拟预测模型,其中分类模型PLL+MACCS与PLL+SubFP表现最优。随后,我们用这两个最优的预测心脏毒性化合物的分类模型预测被明确报道的有心脏毒性的20中药的708个化学成分,结果指出亚油酸、棕榈酸、硬脂酸、β-谷固醇、谷固醇和油酸这6个化合物值得我们进一步研究。总之,本研究为心脏毒性化合物的虚拟预测提供了一个可靠且准确的方法,可对药物的临床前心脏毒性评价提供有效的参考。