基于ECFP指纹和决策树的重要分子片段识别研究

基于片段的药物设计是一种新兴药物研发技术。如何实现分子片段的识别和定量表征是该技术的核心关键之一。提出了基于分子指纹和决策树的重要分子片段识别策略,利用扩展连通指纹对蛋白质-配体复合物进行分子片段编码,采用Random Forest、XGBoost和LightGBM三种决策树模型分别对特征重要性进行定量表征,以提取出具有较高可信度的重要分子片段。ECFP指纹的特征重要性呈现指数下降趋势,表明只有少数ECFP指纹特征对蛋白质-配体小分子的结合亲和力有显著的贡献度。三种决策树模型一致认可且具有高贡献度的分子片段,使其成为较高可信度的标志物,可应用于基于片段的药物设计和优化。