基于机器学习预测共轭低聚电解质分子的抗菌活性
应用物理
2021-12-02 v3 化学物理
摘要
面对日益增长的抗生素耐药性，亟需开发新型抗生素，但从苗头化合物到先导化合物、最终成为有用药物的发展过程往往需要数十年。尽管利用机器学习方法进行分子性质预测已取得进展，为辅助抗生素开发开辟了新途径，但许多现有方案依赖大型数据集并寻找与现有抗生素的结构相似性。对于正受到越来越多研究关注的非传统抗生素类别，其建模仍面临挑战。为此，我们针对共轭低聚电解质分子（一类缺乏充分既往构效关系研究的新抗生素）开发了抗菌活性预测模型。我们的方法能够从一组 5,305 个描述符中通过递归消除筛选出 21 个分子描述符，从而预测大肠杆菌 K12 的最小抑菌浓度。该预测模型在无需底层机制先验知识的情况下达到了 0.65 的 R2。我们发现，针对该领域最优的分子表征是良好预测抗菌活性的关键。就共轭低聚电解质而言，反映分子三维形状的表征最为关键。尽管以共轭低聚电解质这一具体实例进行了演示，我们所提出的预测模型构建方法可容易地推广至其他新型抗生素候选领域。
引用
@article{arxiv.2105.10236,
title = {Predicting antimicrobial activity of conjugated oligoelectrolyte molecules via machine learning},
author = {Armi Tiihonen and Sarah J. Cox-Vazquez and Qiaohao Liang and Mohamed Ragab and Zekun Ren and Noor Titan Putri Hartono and Zhe Liu and Shijing Sun and Cheng Zhou and Nathan C. Incandela and Jakkarin Limwongyut and Alex S. Moreland and Senthilnath Jayavelu and Guillermo C. Bazan and Tonio Buonassisi},
journal= {arXiv preprint arXiv:2105.10236},
year = {2021}
}