使用以 Morgan 指纹为特征的深度神经网络模型预测 ErbB 抑制剂的结合亲和力
生物大分子
2025-01-13 v1
摘要
ErbB 受体家族（包括 EGFR 和 HER2）在细胞生长和存活中起着至关重要的作用，并与乳腺癌和肺癌等多种癌症的进展相关。在本研究中，我们开发了一个深度学习模型，利用源自 SMILES 表示的分子指纹来预测 ErbB 抑制剂的结合亲和力。每种 ErbB 抑制剂的 SMILES 表示均从 ChEMBL 数据库获取。我们首先从 SMILES 字符串生成 Morgan 指纹，并应用 AutoDock Vina 对接计算结合亲和力值。在基于结合亲和力过滤数据集之后，我们训练了一个深度神经网络（DNN）模型，以从分子指纹预测结合亲和力值。该模型取得了显著的性能，在训练集上的均方误差（MSE）为 0.2591，平均绝对误差（MAE）为 0.3658，R 平方值为 0.9389。尽管在测试集上的性能略有下降（R 平方 = 0.7731），但该模型仍然表现出鲁棒的泛化能力。这些结果表明，深度学习方法对于预测 ErbB 抑制剂的结合亲和力非常有效，为虚拟筛选和药物发现提供了有价值的工具。
引用
@article{arxiv.2501.05607,
title = {Prediction of Binding Affinity for ErbB Inhibitors Using Deep Neural Network Model with Morgan Fingerprints as Features},
author = {La Ode Aman},
journal= {arXiv preprint arXiv:2501.05607},
year = {2025}
}
备注
40 pages, 1 graphical abstract, 2 figures, 6 appendices