DeepP450: Predicting Human P450 Activities of Small Molecules by Integrating Pretrained Protein Language Model and Molecular Representation

可药性 概化理论 细胞色素P450 数量结构-活动关系 计算机科学 基质(水族馆) 药物发现 药物代谢 药物开发 计算生物学 鉴定(生物学) 化学 机器学习 生物化学 药品 药理学 生物 心理学 基因 生态学 发展心理学 植物
作者
Jiamin Chang,Xiaoyu Fan,Boxue Tian
出处
期刊:Journal of Chemical Information and Modeling [American Chemical Society]
卷期号:64 (8): 3149-3160 被引量:2
标识
DOI:10.1021/acs.jcim.4c00115
摘要

Cytochrome P450 enzymes (CYPs) play a crucial role in Phase I drug metabolism in the human body, and CYP activity toward compounds can significantly affect druggability, making early prediction of CYP activity and substrate identification essential for therapeutic development. Here, we established a deep learning model for assessing potential CYP substrates, DeepP450, by fine-tuning protein and molecule pretrained models through feature integration with cross-attention and self-attention layers. This model exhibited high prediction accuracy (0.92) on the test set, with area under the receiver operating characteristic curve (AUROC) values ranging from 0.89 to 0.98 in substrate/nonsubstrate predictions across the nine major human CYPs, surpassing current benchmarks for CYP activity prediction. Notably, DeepP450 uses only one model to predict substrates/nonsubstrates for any of the nine CYPs and exhibits certain generalizability on novel compounds and different categories of human CYPs, which could greatly facilitate early stage drug design by avoiding CYP-reactive compounds.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
研友_ZAxj7n完成签到,获得积分20
1秒前
小二郎应助自然剑采纳,获得10
3秒前
blackcat1210完成签到,获得积分20
5秒前
善学以致用应助loong采纳,获得10
5秒前
CipherSage应助学分采纳,获得10
6秒前
TTTaT完成签到,获得积分10
8秒前
脑洞疼应助科研通管家采纳,获得10
10秒前
10秒前
爆米花应助科研通管家采纳,获得30
10秒前
完美世界应助科研通管家采纳,获得10
10秒前
YamDaamCaa应助科研通管家采纳,获得30
10秒前
完美世界应助科研通管家采纳,获得10
10秒前
我是老大应助科研通管家采纳,获得10
10秒前
乐乐应助科研通管家采纳,获得10
10秒前
Lucas应助科研通管家采纳,获得10
10秒前
10秒前
Akim应助科研通管家采纳,获得10
10秒前
reirei应助科研通管家采纳,获得10
10秒前
reirei应助科研通管家采纳,获得10
11秒前
情怀应助科研通管家采纳,获得10
11秒前
深情安青应助科研通管家采纳,获得10
11秒前
11秒前
老阎应助科研通管家采纳,获得30
11秒前
11秒前
11秒前
11秒前
xiaoyujiang完成签到,获得积分10
12秒前
dong应助uko采纳,获得10
13秒前
15秒前
今后应助hanchangcun采纳,获得10
15秒前
小豆子完成签到,获得积分10
17秒前
量子星尘发布了新的文献求助10
17秒前
Snieno完成签到,获得积分10
18秒前
脑洞疼应助冷眸采纳,获得10
18秒前
loong发布了新的文献求助10
20秒前
24秒前
米粒发布了新的文献求助10
25秒前
kysl发布了新的文献求助30
26秒前
Zn1完成签到,获得积分10
26秒前
无花果应助义气萝卜头采纳,获得10
26秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976235
求助须知:如何正确求助?哪些是违规求助? 3520399
关于积分的说明 11203166
捐赠科研通 3256989
什么是DOI,文献DOI怎么找? 1798580
邀请新用户注册赠送积分活动 877738
科研通“疑难数据库(出版商)”最低求助积分说明 806516