新文推荐
机器学习预测新型醛糖还原酶抑制剂以治疗糖尿病性白内障
Search of inhibitors of aldose reductase for treatment of diabetic cataracts using machine learning
（点击英文标题可直接浏览、下载论文）
Trevor Chen, Richard Chen, Alvin You, Valentina L. Kouznetsova, Igor F. Tsigelny*
Department of Neurosciences, University of California, San Diego, La Jolla, CA, USA
近日，美国加州大学圣地亚哥分校圣地亚哥超算中心Igor Tsigelny教授研究团队在 “Advances in Ophthalmology Practice and Research” 期刊发表了题为“Search of inhibitors of aldose reductase for treatment of diabetic cataracts using machine learning” 的论文。该论文的第一作者为Trevor Chen，Igor F. Tsigelny教授为论文的通讯作者。
01
论文导读
Highlight
糖尿病患者发生白内障的概率更高，白内障是一种影响视力的退化性疾病，目前手术方法仍是治疗白内障的主要有效途径。白内障的形成与眼晶状体中葡萄糖的还原过程有关，这一过程由醛糖还原酶（AR，Aldose Reductase Enzyme）控制。尽管已经存在大量天然和合成的AR抑制剂，这些药物可用于预防糖尿病引起的并发症，但机器学习（ML，machine leaning）预测模型的开发可能有望发现具有更佳性能和特性的新型AR抑制剂，从而将其引入临床实践中，以减少白内障手术后的并发症并节约医疗成本。
本研究使用已知AR抑制剂及其化学-物理描述符，构建了一个机器学习模型，用于预测新的AR抑制剂，通过计算与AR的结合位点进行分子对接来测试这些抑制剂。为了确保模型的准确性，本研究进行了交叉验证，最终实现了90%的准确率。计算对接测试结果表明，机器学习的预测分数与分子结合自由能之间存在高度相关性。尽管已知存在多种AR抑制剂，但由于各种原因，尚未将它们应用于临床治疗。我们认为，新预测的AR抑制剂可能具有更出色的性能特点，因此有望在经过临床试验后成功应用。
未来，我们将对这些预测的化合物进行进一步测试，以评估其可能的副作用和抑制AR的实际有效性，这些化合物可能成为治疗糖尿病性白内障的有效且安全的选择。
02
论文图表
Fig. 1 研究方法示意图。
Fig. 2 人类醛糖还原酶结构（PDB ID：2R24）复合物，已去除丁醇。丁醇的去除是为了使化合物能够与主体蛋白质发生对接。
Fig. 3 ZINC 数据库中随机化合物的结合能与使用 vina 进行对接的 ML 预测化合物的结合能的方框图。预测化合物的结合能在较低四分位数上，这表明ML预测的化合物在结合能方面表现更强。
Fig. 4 使用预测 ML 能量的结合能与分类器的预测得分对比得出的趋势线。结合能与预测得分之间的相关系数为 0.959，表明预测得分越高，结合能越强。数据点的 r 平方值为 0.921，表明数据内的方差很小。
引用本文
1.Chen T, Chen R, You A, Kouznetsova VL, Tsigelny IF. Search of inhibitors of aldose reductase for treatment of diabetic cataracts using machine learning. Adv Ophthalmol Pract Res. 2023;3(4); 187-191 doi: 10.1016/j.aopr.2023.09.002
03
作者介绍
通讯作者
Igor Tsigelny, PhD，任职于加州大学圣地亚哥分校圣地亚哥超级计算机中心/神经科学系。CureMatch癌症靶标预测方法开发者（https://www.curematch.com/）。他是摩尔癌症中心分子肿瘤委员会的成员，也是疾病分子机制、结构生物学、分子建模、生物信息学和基于结构的药物设计领域公认的专家。他在Nature, Science, 和Proceedings of National Academy of Sciences等同行评审期刊上发表了200多篇论文。他设计了三种候选药物，分别针对帕金森病、脑癌和高血压，这些药物均已由加州大学圣地亚哥分校授权给制药公司，目前正处于不同的开发阶段。
个人主页：
文编、编排 | 丁思敏
审核 | 金凯、王凯军