机构名称：
¥ 2.0
会损害另一种药物的吸收，从而导致可能致命的药理作用。由于有关 OATP 抑制机制的信息有限，并且不同研究中的实验性 OATP 抑制数据不一致，因此预测 OATP 介导的 DDI 具有挑战性。本研究引入了异构 OATP-配体相互作用图神经网络 (HOLIgraph)，这是一种新颖的计算模型，它将分子建模与图神经网络相结合，以增强对药物诱导的 OATP 抑制的预测。通过将配体（即药物）分子特征与来自严格对接模拟的蛋白质-配体相互作用数据相结合，HOLIgraph 的表现优于仅依赖配体分子特征的传统 DDI 预测模型。HOLIgraph 在预测 OATP1B1 抑制剂时实现了超过 90% 的中位平衡准确度，明显优于纯基于配体的模型。除了改善抑制预测之外，用于训练 HOLIgraph 的数据还可以表征参与抑制药物-OATP 相互作用的蛋白质残基。我们确定了某些优先与抑制剂相互作用的 OATP1B1 残基，包括 I46 和 K49。我们预计此类相互作用信息将对未来对 OATP1B1 的结构和机制研究很有价值。科学贡献。HOLIgraph 通过将对接模拟得出的蛋白质-配体相互作用纳入图神经网络框架，为 DDI 预测引入了一种新范式。这种方法得益于 OATP1B1 的最新结构突破，与仅依赖配体特征的传统模型有很大不同。通过实现高预测准确性和揭示机制见解，HOLIgraph 为药物设计和 DDI 预测中的计算工具设定了新的轨迹。
通过异构 OATP 预测 OATP1B1 抑制剂...
主要关键词
相关文件推荐
