BioAct-Het: Ein heterogener Siamesischer Neuraler Netzwerkansatz zur Vorhersage von Bioaktivität unter Verwendung einer neuen Bioaktivitätsrepräsentation

Die Versagensrate von Arzneimitteln während experimenteller Verfahren aufgrund geringer Bioaktivität stellt eine erhebliche Herausforderung dar. Um dieses Risiko zu minimieren und die Bioaktivität von Verbindungen zu steigern, ist die Vorhersage von Bioaktivitätsklassen während des Lead-Optimierungsprozesses entscheidend. Bestehende Studien zur Struktur-Wirkungs-Beziehung haben den Zusammenhang zwischen der chemischen Struktur von Verbindungen und ihrer Bioaktivität aufgezeigt. Allerdings vernachlässigen diese Studien oft die komplexe Beziehung zwischen Arzneimitteln und ihrer Bioaktivität, die neben der chemischen Struktur weitere Faktoren umfasst. Um dieses Problem anzugehen, stellen wir das BioAct-Het-Modell vor, das ein heterogenes Siamese-Neuronales Netzwerk nutzt, um die komplexe Beziehung zwischen Arzneimitteln und ihren Bioaktivitätsklassen zu modellieren und diese in einen einheitlichen latenten Raum zu überführen. Insbesondere führen wir eine neuartige Darstellung der Bioaktivitätsklassen ein, die als Bio-Prof bezeichnet wird, und verbessern die ursprünglichen Bioaktivitätsdatensätze, um das Problem der Datenknappheit zu bewältigen. Diese innovativen Ansätze ermöglichten es unserem Modell, die Leistung der bisherigen Ansätze zu übertreffen. Die Bewertung von BioAct-Het erfolgt durch drei unterschiedliche Strategien: assoziationsbasiert, bioaktivitätsklassenbasiert und verbindungsbezogen. Die assoziationsbasierte Strategie nutzt überwachtes Lernen zur Klassifikation, während die bioaktivitätsklassenbasierte Strategie ein retrospektives Evaluationsverfahren anwendet. Die verbindungsbezogene Strategie zeigt Ähnlichkeiten mit dem Konzept des Meta-Lernens. Darüber hinaus wird die Wirksamkeit des Modells bei der Lösung realer Probleme anhand einer Fallstudie zur Anwendung von Vancomycin und Oseltamivir bei der Behandlung von COVID-19 sowie zur potenziellen Wirksamkeit von Molnupiravir bei der Behandlung von COVID-19-Patienten analysiert. Die Daten und der Code, die dieser Arbeit zugrunde liegen, sind unter https://github.com/CBRC-lab/BioAct-Het verfügbar. Die Datensätze wurden jedoch aus öffentlich zugänglichen Quellen abgeleitet.