换一批基于机器学习和体外评价发现新型抗生素佐剂
Discovery of Novel Antibiotic Adjuvants Based on Machine Learning and in Vitro Evaluation
摘要目的 本研究旨在构建基于机器学习(machine learning,ML)的革兰阴性菌外膜(outer membrane,OM)扰动剂的活性分类模型,并基于该分类模型建立虚拟筛选流程用于发现新结构类型的抗生素佐剂.方法 从文献中收集并整理了470个标注与抗生素联用具有协同抗菌活性的膜扰动剂,通过随机采样建立5组训练集和测试集,使用"AutoMolDesign-er"软件构建了 25组ML集成模型,随后选取模型评估性能最佳的5个模型建立虚拟筛选流程并从课题组内部化合物库中富集潜在的具有协同抗菌活性的化合物.结果 5个模型Train4、Train5、Train17、Train19、Train20对于测试集的马修斯相关系数(Matthews correlation coefficient,MCC)均大于0.65、受试者工作特征(ROC)曲线下面积(area under the curve,AUC)均大于0.85,表明其具有良好的分类性能.上述分类模型与聚类方法形成了一套有效的虚拟筛选流程,应用该流程确定了 22个潜在苗头化合物.体外活性测试结果显示,化合物F9、F12和F13在64 μg·mL-1质量浓度下与利福平联用对大肠杆菌具有协同抗菌活性,其联合用药指数(fractional inhibitory concentration index,FICI)小于0.5.结论 本研究基于ML算法建立了精准的革兰阴性菌外膜扰动剂的活性预测模型,并由此发现了新结构类型的3个苗头化合物,有进一步研究的意义和价值.
更多相关知识
分类号
R965.1（药理学）
栏目名称
DOI
10.11669/cpj.2025.16.006
发布时间
2025-10-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国医学科学院医学与健康科技创新工程重大协同创新项目（2021-I2M-1-069）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
