基于机器学习和计算化学的天然药物性状预测模型用于阿尔茨海默病
其他定量生物学
2026-04-28 v2 机器学习
摘要
阿尔茨海默病（AD）是一种神经退行性疾病，目前缺乏特异性治疗选项。天然药物显示出神经保护作用；然而，其高通量发现因实验检测成本高昂而具有挑战性。该研究提出了一种基于分子描述子从计算化学中获取的人工智能方法，以识别天然化合物的抗痴症活性。该研究使用来自 ChEMBL 和 PubChem 等公共数据库获取的活性和失活化合物集合。计算了各种分子描述子，包括分子量、脂溶性（LogP）、拓扑极性表面积（TPSA）和氢键描述子，并使用 RDKit 进行计算。应用数据预处理和特征选择后，开发了若干分类模型（随机森林、XGBoost、支持向量机、逻辑回归），并基于准确率、精确率、召回率、F1 分数和 ROC-AUC 进行评估。结果表明，集成技术如随机森林提供了最佳的预测准确率和 ROC-AUC 值。该研究还指出，关键物理化学描述子，特别是脂溶性、分子量和极性，在驱动神经保护活性方面至关重要，这一结论通过特征重要性分析得出。该集成的机器学习方法显示了将天然产物研究与机器学习相结合用于痴症早期药物发现的潜力。这为快速探索大型数据集并筛选实验确认的候选药物提供了一种手段，从而最小化了神经退行性疾病药物开发中的成本和时间。
引用
@article{arxiv.2604.18316,
title = {Predictive Modelling of Natural Medicinal Compounds for Alzheimer disease Using Machine Learning and Cheminformatics},
author = {Hafiza Syeda Yusra Tirmizi and Syed Ibad Hasnain and Muhammad Faris and Rabail Khowaja and Saad Abdullah},
journal= {arXiv preprint arXiv:2604.18316},
year = {2026}
}
备注
12 pages, 9 figures, submitted as a conference paper