首页 > 物理化学学报 > 基于分子描述符和机器学习方法预测和虚拟筛选乳腺癌靶向蛋白HEC1抑制剂

基于分子描述符和机器学习方法预测和虚拟筛选乳腺癌靶向蛋白HEC1抑制剂

Predicting and Virtually Screening Breast Cancer Targeting Protein HEC1 Inhibitors by Molecular Descriptors and Machine Learning Methods

二维码有效期 120s

摘要HEC1(癌症高表达蛋白)是纺锤体检查点控制、着丝粒功能、细胞存活的关键的有丝分裂调节器，与原发性乳腺癌的不良预后有关。筛选具有高亲和力的HEC1新型抑制剂对探索乳腺癌的靶向治疗具有重要意义。本文从结构多样性的化合物库中筛选HEC1抑制剂。通过对分子描述符的特征筛选，采用支持向量机(SVM)和随机森林(RF)方法分别对HEC1抑制剂和非抑制剂建立了分类模型。经对比， RF模型显示了更好的预测精度。我们采用RF模型对HEC1抑制剂进行了虚拟筛选，从“in-house”实体库筛选得到2个潜在的HEC1抑制剂分子。随后对筛出的化合物进行了体外活性实验，发现对乳腺癌细胞株MDA-MB-468和MDA-MB-231均有一定程度的抗肿瘤活性。研究结果表明，机器学习方法对于设计和虚拟筛选HEC1抑制剂有良好的效果。

作者何冰 ^[1] 罗勇 ^[2] 李秉轲 ^[3] 薛英 ^[4] 余洛汀 ^[2] 邱小龙 ^[5] 杨登贵 ^[6] 学术成果认领

作者单位 四川大学华西医院生物治疗国家重点实验室，肿瘤中心及生物治疗协同创新中心，成都 610041; 成都师范学院化学与生命科学学院，成都 611130 ^[1] 四川大学华西医院生物治疗国家重点实验室，肿瘤中心及生物治疗协同创新中心，成都 610041 ^[2] 成都师范学院化学与生命科学学院,成都,611130 ^[3] 四川大学华西医院生物治疗国家重点实验室，肿瘤中心及生物治疗协同创新中心，成都 610041; 四川大学化学学院，成都 610064 ^[4] 江苏兆邦生物医药研究院有限公司，江苏南通 226000; 江苏海门慧聚药业有限公司，江苏海门 226123 ^[5] 江苏兆邦生物医药研究院有限公司,江苏南通,226000 ^[6]

关键词 HEC1 选择性抑制剂机器学习方法支持向量机随机森林虚拟筛选 HEC1 Selective inhibitor Machine learning method Support vector machine Random forest Virtual screening

分类号 O641

栏目名称

生物物理化学

DOI 10.3866/PKU.WHXB201507301

发布时间 2015-10-14（万方平台首次上网日期，不代表论文的发表时间）