二维指纹在药物发现中是否仍有价值？
生物大分子
2020-06-24 v1
摘要
近来，利用代数拓扑、微分几何和图论等高等数学从三维 (3D) 结构提取的分子指纹，已与高效的机器学习（尤其是深度学习算法）相结合，在药物发现应用与竞赛中超越其他方法。这引发了一个问题：经典的 2D 指纹在计算机辅助药物发现中是否仍有价值。本工作考虑了与四类典型问题相关的 23 个数据集，即蛋白-配体结合、毒性、溶解度和分配系数，以评估八种 2D 指纹的性能。我们采用随机森林、梯度提升决策树、单任务深度神经网络和多任务深度神经网络等先进机器学习算法来构建高效的基于 2D 指纹的模型。此外，构建了适当的共识模型以进一步提升基于 2D 指纹方法的性能。结果表明，仅基于配体信息时，基于 2D 指纹的模型在毒性、溶解度、分配系数和蛋白-配体结合亲和力的预测上表现与最先进的基于 3D 结构的模型相当。然而，在基于复合物的蛋白-配体结合亲和力预测中，基于 3D 结构的方法优于基于 2D 指纹的方法。
引用
@article{arxiv.1911.00930,
title = {Are 2D fingerprints still valuable for drug discovery?},
author = {Kaifu Gao and Duc Duy Nguyen and Vishnu Sresht and Alan M. Mathiowetz and Meihua Tu and Guo-Wei Wei},
journal= {arXiv preprint arXiv:1911.00930},
year = {2020}
}