基于深度神经网络的DYRK1A抑制剂预测模型研究

作者：王亚铃; 钱晨亮; 姚明丽; 司鑫鑫^*; 夏杰^*

来源：中国医药导刊, 2022, 24(07): 672-677.

• 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

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DYRK1A抑制剂提供计算工具。方法:从Ch EMBL数据库中收集了DYRK1A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。

• 单位
  中国医学科学院北京协和医学院; 药物研究所