基于氨基酸序列局部对称性片段的肽类毒性模拟研究

这篇研究提出了一种创新的肽类毒性建模方案，通过将细胞毒性量化为氨基酸单字母缩写（FLS）的数学函数，证实局部对称性片段能显著提升模型预测潜力（MCC=0.7/2784肽段验证集）。研究探讨了信息动力学（infodynamics）在肽类生化行为建模中的应用前景，为肽类药物的安全评估提供了新范式。

　　

Highlight

数据

从文献(Rathore et al., 2024)获取了11036种肽的平衡毒性数据（5518有毒/5518无毒），随机划分为训练集(≈75%)和验证集(V)。训练集进一步细分为主动训练集(A)、被动训练集(P)和校准集(C)，该划分逻辑详见(Toropova et al., 2018)。

半相关性

（本节原文未提供具体内容）

结果与讨论

表3展示了使用DCW1(3,7)构建模型的统计质量，表4则为DCW2(3,7)的结果。验证集平均决定系数达0.63±0.03，而DCW2(3,7)模型提升至0.68±0.01。显然DCW2(3,7)表现更优，具体模型方程为：

y = -0.0092 (± 0.0003) + 0.12230 (± 0.00005) ^? DCW(3,7)

y = -0.0240 (± 0.0003) + 0.07026 (±...

结论

该方法通过考虑局部对称性片段(FLS)的空间排布而不仅是氨基酸组成，为肽类毒性预测提供了新思路。研究发现FLS对毒性的影响堪比氨基酸种类本身。采用的蒙特卡洛优化方案通过最大化校准集马修斯相关系数(MCC)，有望同步提升模型整体预测性能。