目的开发基于机器学习的人类快速延迟整流性钾通道基因(the human Etherh-à-go-go-Reloted Gene,hERG)特异性打分函数(RF-hERG-Score),用于预测化合物对hERG的抑制活性(pIC_(50))。方法采用随机森林算法,以AutoDock Vina(传统打分...目的开发基于机器学习的人类快速延迟整流性钾通道基因(the human Etherh-à-go-go-Reloted Gene,hERG)特异性打分函数(RF-hERG-Score),用于预测化合物对hERG的抑制活性(pIC_(50))。方法采用随机森林算法,以AutoDock Vina(传统打分函数)分子对接生成的1847个化合物-hERG复合体结构和实验测定的半抑制浓度(pIC_(50))数据作为训练集进行训练。结果在十倍交叉验证中,RF-hERG-Score比RF-Score(通用打分函数)和AutoDock Vina更准确,其预测的pIC_(50)与实验值的皮尔逊相关系数(Rp)为0.603、斯皮尔曼等级相关系数(Rs)为0.623、均方根误差(RMSE)为0.849。在两组外部测试集中,RF-hERG-Score的Rp、Rs和RMSE也高于其他2种方法,并且优于相应文献报道模型的预测性能。结论RF-hERG-Score提高了hERG抑制剂结合亲和力的预测准确度,为利用计算模拟方法实现药物心脏毒性的较准确预测提供一种新的方案。展开更多