今天介紹的是美國國立衛(wèi)生研究院（NIH）于2023年1月發(fā)表在Journal of Chemical Information and Modeling的一篇論文：《Predictive Models for Human Cytochrome P450 3A7 Selective Inhibitors and Substrates》。本研究旨在利用化學(xué)結(jié)構(gòu)分析建立“First-in-Class”的預(yù)測模型，用于預(yù)測細胞色素P450(CYP)3A亞家族抑制劑和底物，以區(qū)分藥物對胎兒/新生兒和成人的作用。

研究背景

細胞色素P450是最廣為人知的藥物代謝酶之一，參與了大多數(shù)臨床藥物的代謝。在人類肝臟中，細胞色素P450 3A亞家族是最豐富的一類，其表達在發(fā)育過程中發(fā)生變化，特征是在出生后不久就從細胞色素P450 3A7轉(zhuǎn)變?yōu)榧毎?strong>P450 3A4。這些變化提供了一種潛在的方法，可以區(qū)分藥物對胎兒/新生兒和成人的影響。由于藥物既可以作為CYP抑制劑，也可以作為底物，了解藥物代謝和抑制對將藥物不良反應(yīng)和藥物相互作用(DDI)的可能性降至最低至關(guān)重要。然而，至今尚未報道有關(guān)CYP3A7預(yù)測模型的研究。

在以往的建模工作中，主要集中在預(yù)測細胞色素P450酶的抑制物或底物，而忽略了與發(fā)育階段相關(guān)的異構(gòu)體。本研究收集了5000種已知藥物和生物活性分子與CYP酶的結(jié)合數(shù)據(jù)，以及3300組～3A4和～3A7的CYP3A亞家族的代謝穩(wěn)定性數(shù)據(jù)?；谶@些數(shù)據(jù)，作者確定了CYP3A7特異性抑制劑和底物，并建立了相對于CYP3A4的CYP3A7抑制劑/底物預(yù)測模型。作者嘗試了各種機器學(xué)習(xí)算法和特征選擇方法，以獲得最佳的模型，并針對每種抑制劑/底物類型進行預(yù)測。這些模型可以用于篩選大量的新的類藥化合物，以確定它們可能對胎兒/新生兒產(chǎn)生的潛在影響。此外，與CYP3A7特異性抑制劑/底物相關(guān)的化學(xué)特征可以為藥物的發(fā)現(xiàn)和開發(fā)提供指導(dǎo)。

化學(xué)結(jié)構(gòu)表征及模型構(gòu)建

將化合物的化學(xué)結(jié)構(gòu)轉(zhuǎn)換為兩種常用的結(jié)構(gòu)指紋，即ECFP4和ToxPrint。其中，ECFP4用于構(gòu)建分類模型，而ToxPrint用于識別對CYP3A7/CYP3A4活性重要的結(jié)構(gòu)特征。利用Fisher精確檢驗，通過ToxPrint指紋確定每個結(jié)構(gòu)特征對于CYP3A7/CYP3A4的顯著性，p值<0.05則被視為統(tǒng)計顯著性。

為了篩選每個CYP3A7/CYP3A4抑制劑/底物類別的特征，作者在五個不同的p值截斷值（從0.01到0.05）下進行了篩選。作者使用了五種分類方法，包括樸素貝葉斯（NB）、神經(jīng)網(wǎng)絡(luò)（NNET）、隨機森林（RF）、支持向量機（SVM）和極度梯度提升樹（XGboost）。每個模型都使用了五倍交叉驗證進行評估，并使用了四種抽樣方法進行平衡數(shù)據(jù)集，包括下采樣、上采樣、ROSE和SMOTE。

數(shù)據(jù)來源

作者購買了CYP3A4 (產(chǎn)品編號：456202)、CYP3A7 (產(chǎn)品編號：456237)、NADPH 和AXYGEN試劑。用于實驗的化合物組來自NCATS的～2,800種藥物和NCATS中帶有生物活性標(biāo)簽的～2,200種類藥化合物。CYP3A7/CYP3A4 抑制試驗與先前研究 (PubChem AID: 1851) 中描述的方案相同，出于建模目的，曲線等級小于-1為是活性(1)，否則被認為是非活性的(0)。在代謝穩(wěn)定性測定中，底物一般可以在短時間內(nèi)代謝，出于分類目的，t1/2?< 30min為底物，t1/2?> 30min為非底物。其他化合物 (~10%)具有不確定性，應(yīng)在建模中忽略。

實驗結(jié)果

4.1 CYP3A4和CYP3A7抑制劑/底物數(shù)據(jù)集

本研究中，共包括4511個藥物樣品，這些樣品在抑制實驗中被鑒定為活性抑制劑或非活性物質(zhì)，以及子集中的3381個樣品在代謝穩(wěn)定性實驗中被鑒定為底物或非底物。這些樣品在兩種實驗中的活性數(shù)據(jù)如圖1所示，其中使用曲線排名表示化合物的抑制效應(yīng)，使用代謝半衰期（t1/2 min）表示化合物的代謝穩(wěn)定性。

CYP3A4和CYP3A7數(shù)據(jù)集分為兩類：活性數(shù)據(jù)集和選擇性數(shù)據(jù)集（圖2）。活性數(shù)據(jù)集包括CYP3A4抑制劑、CYP3A7抑制劑、CYP3A4底物和CYP3A7底物。選擇性數(shù)據(jù)集包括CYP3A7選擇性抑制劑（對CYP3A4）、CYP3A7底物（非抑制劑）、CYP3A7抑制劑（非底物）和CYP3A7選擇性底物（對CYP3A4）。

4.2 預(yù)測CYP3A4和CYP3A7抑制劑/底物

圖三總結(jié)了在不同數(shù)據(jù)集上，不同模型的預(yù)測結(jié)果。其中RF在CYP3A4和CYP3A7抑制劑預(yù)測方面表現(xiàn)最好，SVM在CYP3A4和CYP3A7底物預(yù)測方面表現(xiàn)最好。數(shù)據(jù)重新平衡有助于提高某些模型的性能，但對某些模型沒有影響。

4.3 顯著的結(jié)構(gòu)特征

作者鑒定出128個結(jié)構(gòu)特征用于CYP3A7/CYP3A4的活性（抑制劑或底物）或選擇性，這些特征通過ToxPrint定義（圖4）。對于每個CYP3A7/CYP3A4活性類別，顯著化學(xué)特征的數(shù)量按升序排列，分別為：CYP3A7/CYP3A4常見底物（19個）、CYP3A4選擇性底物（29個）、CYP3A7選擇性抑制劑（29個）、CYP3A7選擇性底物（31個）、CYP3A7/CYP3A4常見抑制劑（31個）和CYP3A4選擇性抑制劑（35個）。在表1中，突出顯示了包含這些顯著特征的代表性化學(xué)結(jié)構(gòu)。

結(jié)論

本研究通過一個生物發(fā)光抑制性酶反應(yīng)的高通量篩選，對大約5000個藥物樣品在人類CYP3A4和CYP3A7同工酶中進行了藥代動力學(xué)評估，并對其中的約3300個化合物進行了CYP底物的代謝穩(wěn)定性測試。結(jié)果得到了大量可靠的數(shù)據(jù)，為開發(fā)和評估預(yù)測模型提供了堅實的基礎(chǔ)。研究中應(yīng)用了五種監(jiān)督式機器學(xué)習(xí)算法（NB，NNET，RF，SVM和XGBoost）構(gòu)建了CYP3A7抑制劑/底物的預(yù)測模型，并以CYP3A4作為比較基準(zhǔn)。研究還通過特征篩選方法縮減維度，以解決高維數(shù)據(jù)處理的問題，并通過四種數(shù)據(jù)重平衡方法解決數(shù)據(jù)不平衡問題。最終，該研究成功地開發(fā)出了精確、魯棒的預(yù)測模型，可以預(yù)測CYP3A7和CYP3A4抑制劑/底物類別，并對相關(guān)藥物代謝和開發(fā)新藥物具有一定的指導(dǎo)意義。

參考文獻

Xu T, Kabir M, Sakamuru S, et al. Predictive Models for Human Cytochrome P450 3A7 Selective Inhibitors and Substrates. J Chem Inf Model. 2023;63(3):846-855. doi:10.1021/acs.jcim.2c01516

版權(quán)信息

本文系A(chǔ)IDD Pro接受的外部投稿，文中所述觀點僅代表作者本人觀點，不代表AIDD Pro平臺，如您發(fā)現(xiàn)發(fā)布內(nèi)容有任何版權(quán)侵擾或者其他信息錯誤解讀，請及時聯(lián)系A(chǔ)IDD Pro (請?zhí)砑游⑿盘杝ixiali_fox59)進行刪改處理。

原創(chuàng)內(nèi)容未經(jīng)授權(quán)，禁止轉(zhuǎn)載至其他平臺。有問題可發(fā)郵件至sixiali@stonewise.cn