Мультитаргетная нейросетевая модель анксиолитической активности химических соединений на основе корреляционной свёртки спектров энергий множественного докинга
Тревожные расстройства являются одной из самых распространённых в мире патологий психического здоровья, которые требуют поиска и создания новых эффективных фармакологически активных веществ. В связи с этим разработка с использованием методов искусственного интеллекта новых подходов к поиску анксиолитических веществ является актуальным направлением современной биоинформатики и фармакологии. В настоящей работе методом искусственных нейронных сетей построена мультитаргетная модель зависимости анксиолитической активности химических соединений от их интегральной аффинности к релевантным белкам-мишеням, основанная на корреляционной свёртке спектров энергии множественного докинга. Для этого на основе ранее созданной базы данных была сформирована обучающая выборка по структуре и активности 537 известных анксиолитических веществ и построены оптимизированные 3D-модели этих соединений. Выявлены 22 биомишени, предположительно релевантные анксиолитической активности, и найдены их валидные 3D-модели. Для каждой такой биомишени по всему её объёму сформированы 27 пространств для множественного докинга. Выполнен множественный ансамблевый молекулярный докинг 537 известных анксиолитических соединений во все пространства релевантных белков-мишеней. Проведена корреляционная свёртка рассчитанных спектров энергий множественного докинга. С использованием семи вариантов обучения на основе искусственных многослойных перцептронных нейронных сетей построена мультитаргетная модель зависимости анксиолитической активности химических соединений от 22 параметров корреляционной свёртки спектров энергий их множественного докинга. Выполнена оценка прогностической способности созданной модели, общая точность которой составила Acc = 91,2% и AUCROC = 94,4%, при статистической достоверности p<1×10⁻¹⁵. Найденная модель используется в поиске новых веществ с высокой анксиолитической активностью.
Васильев П.М., Перфильев М.А., Голубева А.В., Кочетков А.Н., Мальцев Д.В. (2024) Мультитаргетная нейросетевая модель анксиолитической активности химических соединений на основе корреляционной свёртки спектров энергий множественного докинга. Биомедицинская химия, 70(6), 428-434.
Васильев П.М. и др. Мультитаргетная нейросетевая модель анксиолитической активности химических соединений на основе корреляционной свёртки спектров энергий множественного докинга // Биомедицинская химия. - 2024. - Т. 70. -N 6. - С. 428-434.
Васильев П.М. и др., "Мультитаргетная нейросетевая модель анксиолитической активности химических соединений на основе корреляционной свёртки спектров энергий множественного докинга." Биомедицинская химия 70.6 (2024): 428-434.
Васильев, П. М., Перфильев, М. А., Голубева, А. В., Кочетков, А. Н., Мальцев, Д. В. (2024). Мультитаргетная нейросетевая модель анксиолитической активности химических соединений на основе корреляционной свёртки спектров энергий множественного докинга. Биомедицинская химия, 70(6), 428-434.
Список литературы
World Health Organization. Mental Health, Brain Health and Substance Use. Retrieved July 29, 2024, from: https://www.who.int/teams/mental-health-and-substance-use/ overview. Scholar google search
Здравоохранение в России. 2023: Статистический сборник (2023), Росстат, Москва, 179 с. Scholar google search
Sarkar C., Das B., Rawat V.S., Wahlang J.B., Nongpiur A., Tiewsoh I., Lyngdoh N.M., Das D., Bidarolli M., Sony H.T. (2023) Artificial intelligence and machine learning technology driven modern drug discovery and development. Int. J. Mol. Sci., 24(3), 2026. CrossRef Scholar google search
Vora L.K., Gholap A.D., Jetha K., Thakur R.R.S., Solanki H.K., Chavda V.P. (2023) Artificial intelligence in pharmaceutical technology and drug delivery design. Pharmaceutics, 15(7), 1916. CrossRef Scholar google search
Васильев П.М., Кочетков А.Н., Спасов А.А., Перфильев М.А. (2021) Спектр энергий множественного докинга как многомерная метрика аффинности химических соединений к фармакологически релевантным биомишеням. Волгоградский научно-медицинский журнал, 3, 57–61. Scholar google search
Васильев П.М., Кочетков А.Н., Перфильев М.А. (2022) Нейросетевое моделирование зависимости ГАМКА-агонистической активности химических соединений от спектра энергий множественного докинга. Вестник ВолгГМУ, 19(4), 88–93. CrossRef Scholar google search
Васильев П.М., Мальцев Д.В., Перфильев М.А., Спасов А.А., Скрипка М.О., Кочетков А.Н. (2022) Свидетельство о государственной регистрации базы данных № 2022621744. Соединения с анксиолитической активностью (15.07.2022), Офиц. бюлл. Программы для ЭВМ. БД. ТИМС, 7, RU 2022621744. Scholar google search
ChemAxon: Marvin (2024), Retrieved July 29, 2024, from: https://chemaxon.com/marvin. Scholar google search
MOPAC (2024), Retrieved July 29, 2024, from: http://openmopac.net/. Scholar google search
Ochoa D., Hercules A., Carmona M., Suveges D., Baker J., Malangone C., Lopez I., Miranda A., Cruz-Castillo C., Fumis L., Bernal-Llinares M., Tsukanov K., Cornu H., Tsirigos K., Razuvayevskaya O., Buniello A., Schwartzentruber J., Karim M., Ariano B., Martinez Osorio R.E., Ferrer J., Ge X., Machlitt-Northen S., Gonzalez-Uriarte A., Saha S., Tirunagari S., Mehta C., Roldán-Romero J.M., Horswell S., Young S., Ghoussaini M., Hulcoop D.G., Dunham I., McDonagh E.M. (2023) The next-generation Open Targets Platform: reimagined, redesigned, rebuilt. Nucleic Acids Res., 51(D1), D1353–D1359. CrossRef Scholar google search
Vasilyev P.M., Luzina O.A., Babkov D.A., Appazova D.T., Salakhutdinov N.F., Spasov A.A. (2019) Studying dependences between the chemotype structure of some natural compounds and the spectrum of their targeted activities correlated with the hypoglycemic effect. J. Struct. Chem., 60(11), 1827–1832. CrossRef Scholar google search
Vassiliev P.M., Spasov A.A., Kosolapov V.A., Kucheryavenko A.F., Gurova N.A., Anisimova V.A. (2014) Consensus drug design using it microcosm. In: Application of Computational Techniques in Pharmacy and Medicine (Gorb L., Kuz’min V., Muratov E., eds.). Springer Science +Business Media, Dordrecht (Netherlands), pp. 369–431. Scholar google search
Trott O., Olson A.J. (2010) AutoDock Vina: Improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. J. Comput. Chem., 31(2), 455–461. CrossRef Scholar google search
Hilbe J.M. (2007) Statistica 7. An overview. The American Statistician, 61(1), 91–94. Scholar google search
Колмогоров А.Н. (1957) О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения. Докл. АН СССР, 114(5), 953–956. Scholar google search
Dubin U. (2013) Cross-Entropy Method: Theory with Applications. LAMBERT Academic Publishing, Chisinau (Moldova), 148 p. Scholar google search
Глотов Н.В., Животовский Л.А., Хованов Н.В., Хромов-Борисов Н.Н. (1982) Биометрия, Изд-во Ленингр. ун-та, Л., 264 c. Scholar google search
