首页|基于深度神经网络的DYRK1A抑制剂预测模型研究

基于深度神经网络的DYRK1A抑制剂预测模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的:构建基于深度神经网络(deep neural network,DNN)的双底物特异性酪氨酸磷酸化调节激酶1A(DYRK1A)抑制剂预测模型,为筛选DYRK1 A抑制剂提供计算工具.方法:从ChEMBL数据库中收集了DYRK1 A抑制剂和非抑制剂共927个,通过随机采样10次建立了10组训练集和测试集,并计算出每个化合物的2种不同的分子特征,即MACCS指纹和Morgan2指纹,采用深度神经网络算法建立了20个模型,通过比较研究确定其中性能最佳的模型,并且对模型进行了Y-随机化检验、应用域和相似度图分析.结果:基于第2对训练-测试集Morgan2指纹的DNN模型(DNN1_Morgan2)性能最佳,对测试集内化合物的分类准确度为0.821,马修斯相关系数和ROC曲线下面积分别为0.647和0.917.结论:此最优模型可用于DYRK1A抑制剂的活性预测、虚拟筛选,并用于先导化合物的设计及优化.
Deep Neural Network-based Models to Predict DYRK1A Inhibitors

王亚铃、钱晨亮、姚明丽、司鑫鑫、夏杰

展开 >

江苏海洋大学药学院,江苏 连云港222005

中国医学科学院北京协和医学院药物研究所,北京 100050

双底物特异性酪氨酸磷酸化调节激酶1A 机器学习 预测模型

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

2022

中国医药导刊
国家食品药品监督管理局信息中心

中国医药导刊

影响因子：1.408
ISSN：1009-0959
年,卷(期)：2022.24(7)
  • 24