LengthLogD：一种基于长度分层与多尺度特征融合的增强型肽亲脂性预测集成框架
机器学习
2025-05-26 v1 人工智能
摘要
肽类化合物因其高靶点亲和力和低毒性而展现出作为治疗药物的巨大潜力，但其药物开发受到低膜通透性的制约。分子量和肽长度对肽的logD值有显著影响，进而影响其穿越生物膜的能力。然而，由于序列、结构和电离状态之间的复杂相互作用，肽logD的准确预测仍然具有挑战性。本研究提出了LengthLogD预测框架，该框架通过分子长度分层建立专门模型，并创新性地整合了多尺度分子表征。我们在三个层级上构建了特征空间：原子级（10个分子描述符）、结构级（1024位Morgan指纹）和拓扑级（3个基于图的特征，包括Wiener指数），并通过分层集成学习进行优化。专门为长肽开发的适应性权重分配机制显著增强了模型的泛化能力。实验结果表明，该框架在所有类别中均表现出优越性能：短肽（R²=0.855）、中肽（R²=0.816）和长肽（R²=0.882），其中长肽的预测误差相比传统单模型方法降低了34.7%。消融研究证实：1）长度分层策略对性能提升的贡献为41.2%；2）拓扑特征占预测重要性的28.5%。与最先进模型相比，我们的方法在保持短肽预测精度的同时，长肽的决定系数（R²）提高了25.7%。本研究为肽类药物开发提供了精确的logD预测工具，尤其在优化长肽先导化合物方面展现出独特价值。
引用
@article{arxiv.2505.17198,
title = {LengthLogD: A Length-Stratified Ensemble Framework for Enhanced Peptide Lipophilicity Prediction via Multi-Scale Feature Integration},
author = {Shuang Wu and Meijie Wang and Lun Yu},
journal= {arXiv preprint arXiv:2505.17198},
year = {2025}
}