J. Hazard. Mater. | 吉林大学韩葳葳教授团队构建基于机器学习方法的在线预测平台高准确预测药物诱导骨毒性
药物诱导的骨毒性是药物研发、临床实践和环境管理中的重要安全风险。然而,目前缺乏针对骨毒性的专用数据集和有效预测算法,导致骨毒性风险评估面临挑战。
2025年3月,吉林大学生命科学学院韩葳葳教授团队在国际著名期刊《Journal of Hazardous Materials》(环境科学与生态学1区Top,IF=12.2)上发表题为《Unveiling drug-induced osteotoxicity: A machine learning approach and webserver》的研究成果。

如图1所示,本研究开发了一种名为BoneToxPD的药物骨毒性预测平台。首先,通过FDA、DrugBank、SIDER和CTD数据库,收集药物相关信息,建立骨毒性数据集。随后,利用聚类分析和理化性质分析,并借助SwissTargetPrediction、GeneOntology与KEGG数据库进一步进行药物的机制分析。在此基础上,提取多种药物分子特征,包括分子指纹(如MACCS、Morgan、RDKit、TopologicalTorsion、AtomPairs与Descriptors)及分子图谱,通过Transformer编码器与神经网络进行机器学习模型训练。最后,将训练好的模型部署为在线Web服务器(BoneToxPD),供用户快速预测药物的骨毒性。

图 1 工作流程
作者团队通过收集大量具有骨毒性的化合物数据,进行分子聚类分析,将化合物分为四个显著群组。随后采用靶标预测方法,发
517




被折叠的 条评论
为什么被折叠?



