ToxCast化学品对CYP450异构酶抑制的QSAR研究

发布时间：2018-07-14 16:59

【摘要】：研究收集美国国立健康研究所化学基因组中心利用高通量筛选测定的1万多种化合物对5种细胞色素P450(CYP450)酶的抑制数据,利用随机森林法构建MOE 2D描述符的分类模型.采用五折交叉验证建模策略保证模型的预测能力.模型对1A2、2C9、2C19、2D6和3A4等酶抑制剂预测的正确分类率分别高达84.4%、82.5%、82.1%、78.4%和80.0%,结构分析表明,卤代(氯/氟)芳烃结构在抑制剂中出现概率显著高于非抑制剂.最后,利用上述模型对ToxCast项目954个化合物进行虚拟筛选.实例化合物分析验证了模型预测与实际效应的吻合程度.构建的模型可进一步对其它环境化学品的CYP450酶抑制活性进行预测,加快对化学品健康风险的初步筛选.
[Abstract]:In this study, the inhibition data of five cytochrome P450 (CYP450) enzymes were collected by the Chemical Genome Center of the National Institutes of Health (NIH), and the classification model of MOE 2D descriptors was constructed by using the random forest method, which was determined by high-throughput screening of more than 10,000 compounds against five cytochrome P450 (CYP450) enzymes. The 50% discount cross-validation modeling strategy is used to ensure the prediction ability of the model. The correct classification rates of 1A2O2C9C19C19D6 and 3A4 were 84.4% and 82.21%, respectively. The structural analysis showed that the probability of occurrence of halogenated (chlorine / fluorine) aromatics in inhibitors was significantly higher than that of non-inhibitors. Finally, 954 compounds of ToxCast project were selected by using the above model. An example of compound analysis verifies the degree of agreement between the model prediction and the actual effect. The model can further predict CYP450 inhibitory activity of other environmental chemicals and accelerate the preliminary screening of chemical health risks.
【作者单位】： 青岛农业大学环境科学系;浙江大学药学院;
【基金】：国家自然科学基金资助项目(21407087)
【分类号】：X592

【相似文献】

相关期刊论文 前6条

1 董陇军;李夕兵;彭康;;岩爆等级预测的随机森林模型及应用(英文)[J];Transactions of Nonferrous Metals Society of China;2013年02期

2 温廷新;张波;邵良杉;;煤与瓦斯突出预测的随机森林模型[J];计算机工程与应用;2014年10期

3 金宇;周可新;方颖;刘欣;;基于随机森林模型预估气候变化对动物物种潜在生境的影响[J];生态与农村环境学报;2014年04期

4 马广立;赵筱萍;程翼宇;;基于随机森林与Chemistry Development Kit描述符的P-gp底物识别[J];高等学校化学学报;2007年10期

5 张庆友;龙海林;冯秀林;索净洁;张丹丹;李静亚;许力壮;许禄;;MOLMAP指数及其在变异性预测中的应用[J];物理化学学报;2012年03期

6 ;[J];;年期

相关会议论文 前7条

1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年

3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年

7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年

相关博士学位论文 前4条

1 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年

2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

3 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年

4 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

相关硕士学位论文 前10条

1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年

2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年

3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年

4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年

5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年

6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年

7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年

8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年

9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年

10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年

，

本文编号：2122312