机器学习驱动的定量构效关系研究：靶向疟原虫二氢乳清酸脱氢酶抑制剂的抗疟耐药性突破

针对疟原虫对青蒿素等一线抗疟药的耐药性问题，研究人员采用12种机器学习模型结合12类分子指纹，构建了PfDHODH抑制剂的QSAR分类模型。研究发现基于SubstructureCount指纹的随机森林模型（MCCtest>0.76）能有效识别含氮/氟/氧芳香族等关键药效团，为抗疟药物设计提供了新策略。

　　

疟疾仍是全球重大公共卫生威胁，2023年WHO报告显示全球约2.63亿病例，其中95%死亡病例集中在非洲地区。尽管RTS,S和R21疫苗的推广带来希望，但疫苗保护期短（需加强接种）和疟原虫对青蒿素等抗疟药普遍产生的耐药性，使得开发新靶点药物迫在眉睫。疟原虫二氢乳清酸脱氢酶（Plasmodium falciparum dihydroorotate dehydrogenase, PfDHODH）作为嘧啶从头合成的关键限速酶，其抑制剂能阻断寄生虫增殖，成为抗疟药物研发的热点靶标。然而现有抑制剂存在物种选择性差、抗性突变等问题，亟需系统性研究其构效关系。

为应对这一挑战，研究人员开展了基于机器学习的定量构效关系（QSAR）研究。通过ChEMBL数据库获取710个PfDHODH抑制剂（ChEMBL ID CHEMBL3486），经严格数据清洗后保留465个化合物（202活性/263非活性）。采用PaDEL软件计算12类分子指纹（包括2D AtomsPair、PubChem等），结合Lipinski五规则描述符（MW、ALogP等）。研究创新性地对比了过采样、欠采样和不平衡数据处理策略，通过5折分层交叉验证评估了12种机器学习模型（随机森林、XGBoost等）的性能。

关键技术包括：1）采用Kennard-Stone算法按8:2划分数据集；2）基于方差阈值（0.1）的特征选择；3）应用Gini指数评估特征重要性；4）以马修斯相关系数（MCC）为核心评价指标；5）通过PCA界定模型适用域。

化学空间分析显示，活性与非活性化合物在LogP（p=0.011）和氢键供体数（p=1.386e-10）存在显著差异。模型构建结果表明，过采样策略最优，随机森林（RF）结合SubstructureCount指纹在测试集的MCC达0.76（准确率88.2%），显著优于其他组合。特征重要性分析揭示前20位关键药效团可分为7类：1）芳香/共轭特征（如SubFPC274芳香环）；2）含氮特征（如SubFPC295 C-ONS键）；3）脂肪族特征（如SubFPC1伯碳）；4）卤代特征（如SubFPC9氟烷基）；5）含氧特征（如SubFPC88羧酸衍生物）；6）杂环特征（如SubFPC275杂原子环）；7）手性/柔性特征（如SubFPC307手性中心）。特别值得注意的是，含氮基团通过与His185形成氢键网络，而氟原子通过增强疏水相互作用提高结合力，这与已知抑制剂DSM265（含六氟苯基）的晶体结构证据一致。

该研究首次系统评估了不同指纹-算法组合对PfDHODH抑制剂分类的适用性，建立的QSAR模型不仅预测性能优异（AUC>0.8），更具明确的机制解释性。发现的手性中心（SubFPC307）和旋转键（SubFPC302）等特征为设计选择性抑制剂提供了新思路，而氮/氟/氧芳香族药效团的识别则与已知临床候选药物（如triazolopyrimidine类）的结构特征高度吻合。研究成果已开源（GitHub），为抗疟药物发现提供了可解释的AI工具，加速了针对耐药疟疾的靶向药物开发进程。

这项发表在《In Silico Research in Biomedicine》的工作，通过创新性地整合机器学习与化学信息学方法，突破了传统QSAR模型在抗疟研究中的局限性。其构建的预测模型不仅能准确区分活性/非活性化合物，更通过特征重要性分析揭示了PfDHODH抑制剂的分子识别规律，包括：1）手性中心对结合选择性的关键作用；2）氟原子数目的"双刃剑"效应（增强结合但可能降低选择性）；3）氮杂环作为"药效团枢纽"的重要性。这些发现为后续结构优化提供了明确方向，特别是针对非洲高负担国家（如尼日利亚占全球儿童疟疾死亡39.3%）的耐药疟疾防控具有重要实践意义。未来研究可结合该模型开展虚拟筛选，并探索特征组合与抗性突变间的关联规律。