基于支持向量回归和分子对接技术的中药CYP450 2E1抑制剂筛选
细胞色素P450酶(CYP450)的抑制是药物相互作用最常见的原因,对CYPs抑制剂早期预测的研究有助于减少药物相互作用导致的不良反应.CYP450 2E1(CYP2E1)是CYP450酶系中参与药物体内代谢的主要酶,具有广泛的药物代谢底物谱.该研究以CYP2E1为研究对象,基于32个CYP2E1抑制剂,建立支持向量回归模型(support vector regression,SVR),并用测试集数据对CYP2E1定量模型进行验证,获得CYP2E1抑制剂最优预测模型.该研究同时利用CDOCKER分析阳性化合物与活性口袋相互作用模式及氨基酸,建立CYP2E1抑制剂最优筛选模型.综合利用支持向量回归模型和分子对接预测模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),提高了计算效率和结果的准确性.SVR预测模型初步得到6 376个中药化合物,通过分子对接进一步验证,最终获得247个对CYP2E1具有潜在抑制活性的中药化合物,其中部分已有实验证实其的确对CYP2E1具有抑制作用.该研究对CYP2E1酶抑制剂的研究可为CYP450抑制剂的虚拟筛选及其介导的药物不良反应预测提供指导,对临床合理用药提供一定的参考.
支持向量回归、分子对接、中药、CYP2E1抑制剂
41
国家自然科学基金项目81173522,81430094,81573831;北京市教育委员会共建项目;教育部大学生创新训练计划项目201510026056
2016-09-08(万方平台首次上网日期,不代表论文的发表时间)
2511-2516