基于可解释生物信息学的嗜铬细胞瘤生物活性分析及c-Myc/Max蛋白互作网络的多模态计算研究

本文创新性地整合遗传编程(GP)、机器学习(ML)和蛋白质互作网络(PPI)分析，构建了针对嗜铬细胞瘤(PCC)致癌靶点c-Myc/Max复合物的多模态计算框架。通过ChEMBL数据库5000个生物活性分子分析，采用随机森林(RF)、支持向量机(SVM)和梯度提升(GB)算法实现pIC50高精度预测(AUC>0.97)，结合SHAP等可解释AI(XAI)技术揭示分子量(MW)、脂溶性(LogP)等关键特征，并通过Girvan-Newman算法发现MYC/MAX/EP300核心调控网络，为罕见肿瘤的靶向治疗提供新思路。

　　

Highlight

本研究探索了靶向c-Myc/Max和c-Myc/c-Max复合物（嗜铬细胞瘤关键致癌驱动因子）的分子生物活性。通过整合遗传编程(GP)、机器学习(ML)和蛋白质互作网络(PPI)分析，开发了能预测分子特征并阐明癌症相关机制的混合计算流程。

Method

遗传编程经过40代进化筛选出具有生物活性的最优分子片段（完整进化轨迹见附录3）。特征重要性分析显示，pIC₅₀、分子量(MW)、脂溶性(LogP)和氢键特性是生物活性的主要决定因素。通过STRING数据库构建PPI网络，并采用Girvan–Newman算法进行社群划分，发现MYC、MAX和EP300是调控转录、细胞周期、泛素化和凋亡的核心枢纽。

Experimental results

机器学习模型在预测pIC₅₀时表现出色（平均准确率0.98，AUC>0.97）。可解释人工智能(XAI)方法（如SHAP和DALEX）成功解析了分子描述符的贡献机制，揭示了化合物-靶标相互作用的关键模式。网络分析显示，与c-Myc相关的蛋白模块显著富集于癌症相关通路。

Conclusion

该研究通过多学科交叉方法，不仅鉴定了具有潜在治疗价值的生物活性基序，还绘制了MYC驱动肿瘤发生的分子互作图谱，为嗜铬细胞瘤及其他罕见癌症的精准治疗提供了新靶点。