BiotaPredictor：基于分子结构预测人肠道微生物群介导药物耗竭的机器学习框架

《Gut Microbes》：BiotaPredictor: A machine learning framework for predicting drug depletion by the human gut microbiota

　　

肠道微生物群（gut microbiota）可通过代谢或生物蓄积药物深刻影响口服药物（oral medicines）的表现，从而降低全身暴露（systemic exposure）并导致患者反应变异。尽管对这些相互作用的认知日益增加，微生物群驱动的药物耗竭（microbiota-driven drug depletion）在早期开发中仍未得到充分处理。在此，研究人员提出BiotaPredictor，一个可免费访问的基于网络的机器学习（machine learning）平台，其可从分子结构预测人肠道微生物群介导药物耗竭的可能性。研究人员汇编了两个包含微生物耗竭结局的整理数据集：（i）一致注释的AstraZeneca数据集（158个化合物）；（ii）纳入已发表证据的扩展整合数据集（522个化合物）。研究人员在一系列分类算法中评估了多种分子描述符，包括理化性质、三维（3D）构象特征和基于指纹的编码。使用理化参数在AstraZeneca数据集上训练的逻辑回归模型取得最高性能，在外部验证研究中正确分类所有化合物（3个耗竭，9个稳定）。BiotaPredictor能够对易受微生物群介导丢失影响的化合物进行早期分诊，并可为先导化合物优化、制剂策略和药代动力学（pharmacokinetic, PK）预测提供信息。将微生物群风险（microbiota liability）评估整合入开发流程，将有助于开发更安全、更有效的药物产品，并支持口服治疗药物的精准递送。

研究背景与问题：口服药物在胃肠道（gastrointestinal, GI）中的稳定性是口服递送性能、生物利用度、疗效和安全性的关键决定因素。肠道微生物群（gut microbiota）可通过代谢或生物蓄积改变药物暴露，即微生物药物耗竭（microbial drug depletion），减少可供吸收或全身作用的活性药物并造成患者反应变异。远端肠道微生物丰度和酶多样性高，难溶性、低渗透性、吸收不完全及改良释放制剂（如缓释、迟释）到达结肠后更易被降解。然而，候选筛选、生物药剂学评价和制剂设计中很少评估该风险，导致问题常到后期才暴露，再优化成本高。因此，研究人员开发并基准测试机器学习分类器，用于在实验前预测微生物群介导的药物耗竭，并将其用于口服递送和制剂开发早期筛选。该研究发表于《Gut Microbes》。

关键技术方法：研究人员采用受控且一致标注的AstraZeneca（AZ）数据集（158个化合物），样本来源包括瑞典哥德堡大学区域伦理审查委员会批准（编号462-06）的AZ自制粪浆和瑞士培养物保藏中心（Culture Collection of Switzerland, CCOS）即用型人肠道微生物群浆；并将AZ数据与公开文献数据整合，最终整合数据集含680个化合物（新增文献数据522个，含Zimmermann和Javdan数据）。主要技术包括：基于简化分子线性输入规范（simplified molecular input line entry system, SMILES）和RDKit生成50个构象并能量最小化，选最低能量构象；用PaDEL计算1875个分子描述符和16,092个指纹位；比较逻辑回归（logistic regression, LR）、平衡随机森林（balanced random forest, BRF）、支持向量机（support vector machine, SVM）、LightGBM和XGBoost；采用分层交叉验证、递归特征消除（recursive feature elimination, RFE）和超参数寻优；并对12个化合物开展厌氧体外耗竭实验进行外部验证。

研究结果：
3.1 构象生成：通过比较PDB ID 5KMF的尼莫地平实验结构与力场优化最低能量构象，显示总体几何和关键官能团取向合理；为可扩展性选择力场优化。
3.2 数据概览与相关性。3.2.1 单特征与化合物微生物稳定性关系：AZ数据集中耗竭化合物更多见于较低分子量、logP 0–2和拓扑极性表面积（topological polar surface area, TPSA）>100 ?²；整合数据集中低分子量关联较一致，logP和TPSA更依赖数据集。化学空间与已上市口服药物空间大致一致。3.2.1.1 药物性质与耗竭的相关性：Spearman分析显示AZ数据集相关性较整合数据集强；加入指纹增加相关特征数量，尤其在整合数据集。PubChemFP454、PubChemFP514和PubChemFP423反复居前，分别对应酰胺N(─C)(═O)、亚硝基/硝胺O─N─C─C和硝基N═O等可发生水解或厌氧还原的亚结构。
3.3 分类能力研究。3.3.1 无监督主成分分析（principal component analysis, PCA）：PCA未显示稳定与耗竭化合物的清晰分离，加入指纹后前两个主成分解释方差下降。3.3.2 有监督正交偏最小二乘（orthogonal partial least squares, OPLS）分析：OPLS显示适度类别分离，AZ数据集中36个耗竭化合物中35个位于t[1]正侧；整合数据集分离较弱。R²X[1]和R²Xo[1]表明预测方差有限、正交变异较大。
3.4 有监督学习：在AZ数据集中LR平衡准确度和F1最高；在整合数据集中BRF整体表现最佳，包括F1和精准率-召回率曲线下面积（area under the precision-recall curve, AUPRC）。模型间差异未达统计学显著。DrugBug和GutBug预测终点不同，无法直接数值基准。
3.5 特征选择：RFE显著改善AZ理化模型，平衡准确度由0.726±0.127升至0.938±0.063，F1由0.554±0.164升至0.879±0.105，AUPRC由0.674±0.191升至0.921±0.106；整合数据集改善不显著。naaO等物化描述符及PubChemFP454、FP423、FP593等指纹入选。
3.6 超参数调优：调优后性能小幅提高且不显著；AZ LR平衡准确度0.938升至0.942，F1 0.879升至0.890，AUPRC保持0.921；整合数据集BRF平衡准确度0.673升至0.688，F1 0.571升至0.597，AUPRC 0.670升至0.690。
3.7 选定化合物的实验验证：12个化合物外部测试中，M1为AZ理化描述符模型，M2为AZ理化+指纹模型，M3为整合数据物理化描述符模型，M4为整合数据物理化+指纹模型；M1与实验分类完全一致（3个耗竭，9个稳定），平衡准确度、F1和AUPRC均为1.00；M2 8/12一致，BA=0.67、F1=0.50、AUPRC=0.64；M3 BA=0.60、F1=0.40、AUPRC=0.66；M4 BA=0.83、F1=0.80、AUPRC=0.78。外部集小且类别不平衡，应视为初步证据。

讨论/结论总结与结论翻译：讨论强调标准化实验数据和一致标签对预测建模的重要性；AZ模型通常优于异质性更高的整合数据集模型。能量最小化构象描述符扩展特征表示，指纹捕获与微生物降解相关亚结构。最终模型实现于BiotaPredictor（https://biotapredictor.onrender.com/），作为开放网络工具。结论翻译：本研究建立了预测肠道微生物群介导药物耗竭的机器学习框架，作为口服药物递送和制剂开发的早期筛选方法。通过比较标准化AZ厌氧粪便孵育数据集与较大文献整合数据集，研究人员表明实验一致性和标签协调强烈影响预测性能。LR在受控AZ数据集表现最佳，BRF更好处理整合数据集的化学和实验异质性。基于理化描述符及加入分子指纹的模型均被优化。为支持实际应用，最终模型实现于BiotaPredictor，一个开放可用的网络工具，用于早期药物开发中评估微生物群介导的肠道药物丢失。比较分析强调标准化实验数据和一致标签的重要性。AZ模型通常优于异质性更高的整合数据集模型。分子描述符和指纹特征提供互补信息。为评估模型效用，研究人员对12个选定化合物进行厌氧体外结肠孵育实验，包括ozanimod、methotrexate、tacrolimus及9个内部AZ化合物；每化合物一式三份孵育2 h，平均浓度高于阈值判为稳定。AZ理化模型M1与实验分类完全一致，识别全部3个耗竭和9个稳定化合物，平衡准确度、F1和AUPRC均为1.00。这些发现强调严格微生物群稳定性数据、一致标签和仔细特征选择的价值。当前数据集足以建立和外部评估概念验证框架，但并非穷尽；BiotaPredictor为可扩展平台，可随更多标准化数据更新。外部评估支持该框架用于早期候选筛选、生物药剂学风险评估和口服制剂开发，包括远端肠道暴露最相关的缓释和迟释策略。尽管外部评估集有限，结果为将微生物群介导耗竭纳入早期药物开发流程提供基础，并强调需在化学多样的口服候选药物中开展更广泛验证。