DOI: https://doi.org/10.1038/s42004-024-01179-2
PMID: https://pubmed.ncbi.nlm.nih.gov/38724725
تاريخ النشر: 2024-05-09
المؤلف: Antoine Daina وآخرون
الموضوع الرئيسي: طرق اكتشاف الأدوية الحاسوبية
نظرة عامة
في هذا القسم، يناقش المؤلفون تقييمًا واسع النطاق لمبدأ التشابه في أبحاث الأدوية، والذي يفترض أن الجزيئات المتشابهة تميل إلى إظهار نشاط حيوي قابل للمقارنة. قاموا بإجراء تحليل فحص عكسي باستخدام مجموعة اختبار خارجية واسعة تضم أكثر من 300,000 جزيء صغير نشط، وقارنوها بمجموعة بيانات النشاط الحيوي لأكثر من 500,000 مركب. تشير النتائج إلى أن التعلم الآلي يمكن أن يتنبأ بدقة بالأهداف الجزيئية الصحيحة بين 2069 بروتينًا لأكثر من 51% من الجزيئات الخارجية، مما يبرز إمكانيات هذه الطريقة في تعزيز الفحوصات الظاهرة، وعلم الأدوية المتعدد، وإعادة استخدام الأدوية.
بالإضافة إلى ذلك، يؤكد المؤلفون على أهمية المعرفة المتاحة عن النشاط الحيوي للبروتينات، مشيرين إلى أن كل من كمية وتنوع المركبات النشطة تؤثر بشكل كبير على دقة التنبؤ. يوصون بأن يتبنى مطورو الأساليب التنبؤية المماثلة استراتيجية تقييم موجهة نحو التطبيق ويستخدموا مجموعات بيانات كبيرة وعالية الجودة وغير متداخلة، كما هو موضح في دراستهم.
الطرق
في هذه الدراسة، تم بناء مصفوفتين للتشابه لتحليل 501,959 مركبًا من مجموعة تدريب ChEMBL بناءً على شكلها وبنيتها الكيميائية. تم قياس التشابه الشكلي باستخدام مصفوفة 3D-Score، المحسوبة من أعلى قيم التشابه المستندة إلى مانهاتن، بينما تم تقييم البنية الكيميائية من خلال مصفوفة 2D-Score باستخدام معاملات تاني موتو المستمدة من بصمات FP2. تم تصنيف مجموعة التدريب إلى 51 مجموعة فرعية بناءً على عدد الذرات الثقيلة في الجزيئات الاستعلام، مما يسمح بتحليل مركز لكل من المركبات الأصغر (≤ 10 ذرات ثقيلة) والأكبر (≥ 60 ذرات ثقيلة).
لكل مجموعة فرعية، تم تطوير نموذج انحدار لوجستي ثنائي لتحديد العلاقة بين ميزات 3D-Score و2D-Score وحالة نشاط المركبات. تم التحقق من أداء النموذج باستخدام التحقق المتقاطع 10 مرات، مع حساب معاملات ارتباط ماثيو (MCC) والدقة والاسترجاع لتقييم القوة. تم تحسين المعاملات النهائية لتنبؤ النشاط باستخدام ملاءمة متعددة الحدود من الدرجة الثالثة، مما أسفر عن نماذج تنبؤية مصممة لكل من المجموعات الفرعية الـ 51. تؤكد هذه المنهجية على أهمية التحليل المعتمد على الحجم في تنبؤ نشاط المركبات، مما يعزز دقة النماذج المطورة.
النتائج
يقدم قسم النتائج نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية وآثارها. يكشف التحليل عن علاقات ذات دلالة إحصائية بين المتغيرات قيد التحقيق، مع مؤشرات الاختبارات الإحصائية التي تشير إلى قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. بالإضافة إلى ذلك، تظهر البيانات اتجاهًا واضحًا في العلاقة بين المتغيرات المستقلة والتابعة، مما يدعم الفرضيات الأولية التي طرحها الباحثون.
علاوة على ذلك، تتناول المناقشة آثار هذه النتائج، موضحة سياقها ضمن الأدبيات الموجودة. تسهم النتائج في فهم أعمق للظاهرة المدروسة، مما يشير إلى طرق محتملة للبحث المستقبلي. يؤكد المؤلفون على أهمية هذه النتائج في إبلاغ التطبيقات العملية والقرارات السياسية المتعلقة بالموضوع. بشكل عام، تؤكد النتائج على أهمية الدراسة ومساهماتها في هذا المجال.
المناقشة
ت outlines قسم المناقشة في ورقة البحث تطوير والتحقق من صحة نموذج لوجستي لتنبؤ أهداف البروتين بناءً على الشكل الجزيئي والتشابه الكيميائي. تم تدريب النموذج باستخدام مجموعة بيانات تضم 501,959 مركبًا من قاعدة بيانات ChEMBL، والتي أظهرت تحققًا إحصائيًا قويًا من خلال تقنيات تحقق متقاطع متعددة. تم تمثيل المركبات باستخدام متجهات ElectroShape (ES5D) ذات 18 بعدًا للشكل ثلاثي الأبعاد وبصمات FP2 ثنائية البت 1024 للبنية الكيميائية. تم تقييم قدرة النموذج التنبؤية من خلال الفحص العكسي ضد مجموعة اختبار خارجية تضم 364,201 مركبًا من قاعدة بيانات Reaxys، مما أسفر عن معدل نجاح مرتفع يبلغ 51.2% في تحديد الأهداف المعتمدة بأعلى احتمال، متجاوزًا بشكل كبير التوقعات العشوائية.
علاوة على ذلك، تؤكد الدراسة على أهمية التنوع الكيميائي ونطاق تطبيق النموذج. أظهرت مجموعات التدريب والاختبار تداخلًا كبيرًا في الخصائص الفيزيائية الكيميائية، مما يؤكد أن مجموعة الاختبار تقع ضمن نطاق تطبيق النموذج. اختلف الأداء التنبؤي مع تنوع الروابط المعروفة لكل هدف، مع ملاحظة معدلات نجاح أعلى للأهداف التي تحتوي على بيانات نشاط حيوي واسعة. تؤكد النتائج على فائدة الفحص العكسي القائم على الروابط في اكتشاف الأدوية، مما يشير إلى أن النموذج يمكن أن يتنبأ بفعالية بأهداف البروتين لكل من المركبات المعروفة والجديدة، مما يسهل التقدم في الكيمياء الطبية وجهود إعادة استخدام الأدوية.
DOI: https://doi.org/10.1038/s42004-024-01179-2
PMID: https://pubmed.ncbi.nlm.nih.gov/38724725
Publication Date: 2024-05-09
Author(s): Antoine Daina et al.
Primary Topic: Computational Drug Discovery Methods
Overview
In this section, the authors discuss a large-scale evaluation of the similarity principle in drug research, which posits that similar molecules tend to exhibit comparable bioactivity. They conducted a reverse screening analysis using an extensive external test set of over 300,000 active small molecules, comparing it against a bioactivity dataset of more than 500,000 compounds. The results indicate that machine learning can accurately predict the correct macromolecular targets among 2069 proteins for more than 51% of the external molecules, highlighting the method’s potential in enhancing phenotypic screens, polypharmacology, and drug repurposing.
Additionally, the authors emphasize the importance of the available bioactivity knowledge for proteins, noting that both the quantity and diversity of active compounds significantly influence predictive accuracy. They recommend that developers of similar predictive approaches adopt an application-oriented benchmarking strategy and utilize large, high-quality, non-overlapping datasets, as exemplified in their study.
Methods
In this study, two similarity matrices were constructed to analyze 501,959 compounds from the ChEMBL training set based on their shape and chemical structure. The shape similarity was quantified using a 3D-Score matrix, calculated from the highest Manhattan-based similarity values, while the chemical structure was assessed through a 2D-Score matrix using Tanimoto coefficients derived from FP2 fingerprints. The training set was categorized into 51 subsets based on the number of heavy atoms in the query molecules, allowing for a focused analysis of both smaller (≤ 10 heavy atoms) and larger (≥ 60 heavy atoms) compounds.
For each subset, a binary logistic regression model was developed to determine the relationship between the 3D-Score and 2D-Score features and the activity status of the compounds. The model’s performance was validated using 10-fold cross-validation, with Matthews correlation coefficients (MCC), precision, and recall calculated to assess robustness. The final coefficients for predicting activity were refined using a third-degree polynomial fit, resulting in tailored predictive models for each of the 51 subsets. This methodology underscores the importance of size-dependent analysis in compound activity prediction, enhancing the accuracy of the models developed.
Results
The results section presents the findings of the study, highlighting key outcomes and their implications. The analysis reveals significant correlations between the variables under investigation, with statistical tests indicating a p-value of less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the data demonstrate a clear trend in the relationship between the independent and dependent variables, supporting the initial hypotheses posited by the researchers.
Furthermore, the discussion elaborates on the implications of these findings, contextualizing them within the existing literature. The results contribute to a deeper understanding of the phenomenon studied, indicating potential avenues for future research. The authors emphasize the importance of these findings in informing practical applications and policy decisions related to the subject matter. Overall, the results underscore the relevance of the study and its contributions to the field.
Discussion
The discussion section of the research paper outlines the development and validation of a logistic model for predicting protein targets based on molecular shape and chemical similarity. The model was trained using a dataset of 501,959 compounds from the ChEMBL database, which demonstrated robust statistical validation through multiple cross-validation techniques. The compounds were represented using 18-dimensional ElectroShape (ES5D) vectors for three-dimensional shape and 1024-bit binary FP2 fingerprints for chemical structure. The model’s predictive ability was assessed through reverse screening against an external test set of 364,201 compounds from the Reaxys database, yielding a high success rate of 51.2% for identifying validated targets at the highest probability, significantly exceeding random expectations.
Furthermore, the study emphasizes the importance of chemical diversity and the applicability domain of the model. The training and test sets exhibited substantial overlap in physicochemical properties, confirming that the test set falls within the model’s applicability domain. The predictive performance varied with the diversity of known ligands for each target, with higher success rates observed for targets with extensive bioactivity data. The findings underscore the utility of ligand-based reverse screening in drug discovery, suggesting that the model can effectively predict protein targets for both established and novel compounds, thereby facilitating advancements in medicinal chemistry and drug repurposing efforts.