《Journal of Molecular Biology》:HuKSA: A Machine-Learning-Based Framework for Predicting Human Kinome Selectivity and Polypharmacology
编辑推荐:
•HuKSA 利用一个基于相似性的可解释配体框架,直接从 SMILES 推测激酶靶点并测量激酶组的选择性。•该框架利用了 464 种激酶上的 794 种化合物,应用了 ECFP4/Tanimoto 相似性方法和五邻域加权测试。•内部留一法验证结果显示,目标活性的ROC-AUC值为
- •
HuKSA 利用一个基于相似性的可解释配体框架,直接从 SMILES 推测激酶靶点并测量激酶组的选择性。
- •
该框架利用了 464 种激酶上的 794 种化合物,应用了 ECFP4/Tanimoto 相似性方法和五邻域加权测试。
- •
内部留一法验证结果显示,目标活性的ROC-AUC值为 0.83,S-score 的 RMSE 为 0.123。
- •
外部前 10 个目标的中位数回收率为 55.2%,在高结构支持区域(42 种化合物中的 35 种)中为 83.3%。
- •
公开可访问的 HuKSA 网站为研究人员提供了实用的激酶靶点和选择性评估工具。
引言
人类激酶组包含超过 500 种蛋白激酶,这些激酶共同调控着大多数影响细胞生长、分化、存活和免疫反应的细胞内信号通路[1]。激酶活性的失调与多种病理状况有关,尤其是在肿瘤学领域,小分子激酶抑制剂显著改变了靶向治疗的方式[2, 3, 4]。迄今为止,已有超过 80 种激酶抑制剂获得了监管批准,但临床淘汰率仍然很高[5]。其中一个主要原因是激酶组中 ATP 结合口袋的结构高度保守,这使得选择性抑制剂的设计变得困难,并且经常导致非靶标结合,表现为剂量限制性毒性、心脏毒性和获得性耐药性,从而降低了治疗效果[6, 7, 8]。因此,激酶抑制剂的多药性不仅仅是一个不希望出现的副作用,而是一个必须测量和解释的核心特性[9]。在某些治疗情况下,多激酶结合可能是有益的,特别是在平行信号通路支持疾病进展或耐药性时。但在其他情况下,相同的广泛活性谱可能会导致与预期机制无关的激酶被激活,从而缩小治疗窗口。出于这个原因,早期激酶抑制剂评估需要考虑两个相关问题:首先,某种化合物可能会与哪些激酶结合;其次,这种结合是局部的、中等的还是广泛分布在整个激酶组中的[10, 11, 12]。尽管激酶组范围内的选择性非常重要,但公众可用的激酶生物活性数据仍然难以直接用于预测。这些数据来自不同的检测格式,包括 IC50、Ki 和 Kd,并且在不同化合物和激酶家族之间的分布不均匀[13, 14, 15, 16, 17]。许多化合物只针对一部分激酶进行了测试,而这些测试选择的化合物并不随机,通常反映了先前的生物学兴趣、化学相似性或检测方法的可用性。因此,即使两种化合物报告的命中次数相同,如果它们在不同的激酶组中进行筛选,也可能无法进行公平比较。这种数据稀疏性和测试组分偏倚使得靶点预测和测量后的组内选择性估计变得具有挑战性[15]。现有的工具包括特定靶点的 QSAR 模型(如 FLT3 效力预测器[18])以及覆盖整个激酶组的方法(如 KinomePro-DL[19]),后者运用深度学习技术分析了 191 种激酶。HuKSA 则基于一个包含 464 种激酶的参考图谱,并通过报告每个排名目标的测量类似物、特定靶点的支持计数、检测覆盖范围和基于相似性的适用性域来强调预测的透明度[19]。在这里,我们介绍了 HuKSA,这是一个透明的基于配体的平台,用于评估人类激酶组的目标和选择性。HuKSA 使用 ECFP4 指纹、Tanimoto 相似性和基于相似性的 k-最近邻回归,在一个精心策划的 794 种化合物与 464 种激酶的活性矩阵上进行预测[19]。该平台通过 Streamlit 网站报告排名后的激酶靶点、预测活性、测量后的组内 S-score 选择性、结构支持范围和邻域级别的证据。我们使用排除自参考图谱的 KLIFS 和 PKIDB 抑制剂、内部交叉验证、支架和相似性排除测试以及选择性预测分析来评估 HuKSA 的实用性和适用性域[20]。
部分片段
数据集整理和生物活性矩阵构建
参考图谱是根据来自 BindingDB[13] 和 ChEMBL[14] 的公开激酶抑制剂生物活性记录编制的。所有映射到图谱化合物和激酶的 148,930 条来源记录都包含 pActivity 值。图谱是通过取每对化合物-激酶的中位 pActivity 值来重建的。在此过程中没有进行新的插补。被审查和混合的记录在其提供的 pActivity 值上保持不变。
结果
HuKSA 使用一个包含 794 种化合物和 464 种激酶的精心策划的图谱来对查询结构进行潜在靶点的排名和选择性估计。除了这些预测结果外,它还报告了测量到的邻居数量、预测范围、可排名激酶的覆盖范围和结构支持情况。我们首先在不均匀的激酶组覆盖范围内检查了选择性测量,然后评估了预测性能。zanubrutinib 的工作流程和预测结果如图 1 所示。
讨论
HuKSA 是一个基于配体的开放平台,用于评估激酶组的目标和选择性,其核心是可检查的类似物证据。外部评估和严格的内在排除条件定义了模型表现良好的条件。随着结构支持的增加,目标回收率也随之提高,而支架和相似性排除显示了随着相关类似物的移除,准确性会如预期那样下降(图 2F;补充表 S11)。在某些情况下,权重对前 10 个目标的提升效果仍不确定
结论
HuKSA 使用 Tanimoto 加权的最近邻回归,将查询的 SMILES 映射到一组排名的激酶目标、测量的激酶组选择性和一个经验性的结构支持范围,该图谱涵盖了 794 种化合物和 464 种激酶。每个目标预测都附有其测量的类似物基础、支持计数、加权分布和预测覆盖范围。该应用程序支持批量筛选,并在实验验证前提供透明的优先级排序。
数据可用性声明
HuKSA 的源代码、运行Web应用程序所需的参考数据、验证输入和可重复性脚本可在 https://github.com/umarbioinfo/HuKSA 获取。底层的生物活性数据来自公开的 ChEMBL 和 BindingDB。部署的应用程序可在 https://huksalab-tool.hf.space 获取。
支持信息
支持信息包括基尼系数基线、邻域大小选择、结构重叠审计、组合物成等信息
作者贡献
M.U.S. 和 M.I.H. 构思了这个项目。M.U.S. 开发了方法论,整理了数据,进行了分析,并编写了代码。A.C. 和 Y.M. 参与了技术审查和手稿完善。M.I.H. 监督了项目并编辑了手稿。
资金来源
这项工作得到了印度医学研究委员会(Grant No. ISRM/12(22)/2020)的支持。
CRediT 作者贡献声明
Mohammad Umar Saeed:撰写 – 初稿、可视化、资源、形式分析、概念构思。Arunabh Choudhury:撰写 – 初稿、验证、方法论、形式分析、概念构思。Yash Mathur:可视化、软件、项目管理、调查、形式分析。Md. Imtaiyaz Hassan:撰写 – 修订与编辑、可视化、监督、项目管理、概念构思。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
致谢
M.U.S. 感谢印度政府区域生物技术中心提供的初级研究奖学金(DBTHRDPMU/JRF/BET-24/I/2024-25/29)。
Mohammad Umar Saeed|Arunabh Choudhury|Yash Mathur|Md. Imtaiyaz Hassan