我校陳偉教授團(tuán)隊(duì)提出了預(yù)測小分子血腦屏障通透性的新方法。相關(guān)研究成果以“A merged molecular representation deep learning method for blood-brain barrier permeability prediction”為題，于2022年8月24日發(fā)表于生物信息學(xué)領(lǐng)域頂級(jí)期刊Briefings In Bioinformatics。
血腦屏障(blood-brainbarrier, BBB)能夠?qū)⒅袠猩窠?jīng)系統(tǒng)(central nervous system, CNS)與血液及血液中的物質(zhì)隔離開來，從而維持CNS穩(wěn)態(tài)，并保護(hù)腦部組織免受代謝產(chǎn)物損傷。CNS相關(guān)疾病的發(fā)生、發(fā)展，以及跨血腦屏障進(jìn)行藥物遞送對(duì)CNS疾病的治療都與血腦屏障密切相關(guān)。因此，小分子血腦屏障通透性的預(yù)測對(duì)CNS疾病治療藥物的研發(fā)具有重要意義。
課題組基于多模態(tài)深度學(xué)習(xí)策略，利用分子圖像、分子指紋和分子描述符、SMILES文本對(duì)小分子進(jìn)行表征，使用卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)提取圖像和SMILES字符串中的潛在特征，并與分子指紋以及分子描述符進(jìn)行特征整合，基于卷積神經(jīng)網(wǎng)絡(luò)開發(fā)了識(shí)別小分子血腦屏障通透性的生物信息學(xué)發(fā)方法Deep-B3。
圖1 Deep-B3模型架構(gòu)
為了對(duì)模型進(jìn)行可解釋性分析，課題組還利用注意力機(jī)制分析了Deep-B3中輸入特征的重要性。發(fā)現(xiàn)來自Morgan分子指紋的第22、754、397-bit位的特征對(duì)小分子能否穿過血腦屏障具有重要決定性作用。獨(dú)立測試集和中藥小分子集中的驗(yàn)證結(jié)果均表明，Deep-B3的預(yù)測性能明顯優(yōu)于現(xiàn)有方法。Deep-B3將有助于具有血腦屏障透過性的小分子的篩選。
圖2 Deep-B3網(wǎng)站頁面及結(jié)果展示
成都中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院博士研究生唐強(qiáng)為本文的第一作者，陳偉教授為本論文的通訊作者。本工作得到了成都中醫(yī)藥大學(xué)中醫(yī)藥創(chuàng)新研究院高性能計(jì)算平臺(tái)的算力支持。
論文鏈接：https://doi.org/10.1093/bib/bbac357
（供稿：中醫(yī)藥創(chuàng)新研究院/交叉學(xué)科研究院）