目的构建一种针对食药物质的定量结构-活性关系(QSAR)肺毒性预测与评估方法,并用于甘草的肺毒性预测。方法在SIDER数据库中收集864种关于45类肺不良反应的化学结构,在TCMSP数据库中收集甘草所含87种化合物的分子图片,通过Stone MIND Col...目的构建一种针对食药物质的定量结构-活性关系(QSAR)肺毒性预测与评估方法,并用于甘草的肺毒性预测。方法在SIDER数据库中收集864种关于45类肺不良反应的化学结构,在TCMSP数据库中收集甘草所含87种化合物的分子图片,通过Stone MIND Collector软件筛选转换成SMILES形式,最后通过DrugFlow人工智能辅助药物设计平台建立QSAR肺毒性模型,采用五倍交叉验证法对已建立的模型进行准确性和稳健性的验证;TCMSP数据库和药智网数据库搜集并整合筛选得到87种甘草所含化合物,采用上述QSAR肺毒性模型对甘草进行肺毒性预测和评价。结果对构建的QSAR肺毒性模型拟合评价,结果准确率(ACC)为0.910;平衡灵敏度与特异性-曲线下面积(ROC-AUC)为0.816,接近1,表示该模型整体预测正确率较高;预测结果显示甘草P_(max)=0.436,属于“较小可能引起肺毒性”的物质,甘草引起肺毒性最有可能与化合物(2R)-2-[(E)-1-丁烯基]-5-(甲基乙氧基)-7H-异黄酮(C_(22)H_(32)O_(3)),(2'R,3'S)-2',2'-二甲基-7,3',5'-三羟基-2',3'-二氢黄酮-4-内酯(C_(24)H_(24)O_(6)),(3β)-羊毛甾-8,24-二烯-3-醇(C_(30)H_(50)O)有关。结论本文所建立的QSAR模型能较准确地预测出食药物质潜在肺毒性强弱,并预测出可能与肺毒性相关的所含化合物,可为食药物质肺毒性的早期识别和预警提供依据。展开更多
文摘目的构建一种针对食药物质的定量结构-活性关系(QSAR)肺毒性预测与评估方法,并用于甘草的肺毒性预测。方法在SIDER数据库中收集864种关于45类肺不良反应的化学结构,在TCMSP数据库中收集甘草所含87种化合物的分子图片,通过Stone MIND Collector软件筛选转换成SMILES形式,最后通过DrugFlow人工智能辅助药物设计平台建立QSAR肺毒性模型,采用五倍交叉验证法对已建立的模型进行准确性和稳健性的验证;TCMSP数据库和药智网数据库搜集并整合筛选得到87种甘草所含化合物,采用上述QSAR肺毒性模型对甘草进行肺毒性预测和评价。结果对构建的QSAR肺毒性模型拟合评价,结果准确率(ACC)为0.910;平衡灵敏度与特异性-曲线下面积(ROC-AUC)为0.816,接近1,表示该模型整体预测正确率较高;预测结果显示甘草P_(max)=0.436,属于“较小可能引起肺毒性”的物质,甘草引起肺毒性最有可能与化合物(2R)-2-[(E)-1-丁烯基]-5-(甲基乙氧基)-7H-异黄酮(C_(22)H_(32)O_(3)),(2'R,3'S)-2',2'-二甲基-7,3',5'-三羟基-2',3'-二氢黄酮-4-内酯(C_(24)H_(24)O_(6)),(3β)-羊毛甾-8,24-二烯-3-醇(C_(30)H_(50)O)有关。结论本文所建立的QSAR模型能较准确地预测出食药物质潜在肺毒性强弱,并预测出可能与肺毒性相关的所含化合物,可为食药物质肺毒性的早期识别和预警提供依据。
