左氧氟沙星对映异构体抗体交叉反应性的机器学习构效关系研究

《International Journal of Molecular Sciences》：Structure–Activity Relationship Analysis of Immunoassay Systems for (Fluoro)quinolones Detection

　　

摘要

(氟)喹诺酮类(FQ)抗生素的检测系统在食品安全监管机构和农业检查人员中具有极高的需求。与此同时，相关FQ化合物（包括对映异构体形式）显著的结构性多样性可能使已开发检测系统的应用变得复杂，因此需要仔细评估其选择性。本研究通过分别使用左氧氟沙星(OFL)的S-和R-对映异构体及其外消旋混合物作为半抗原免疫兔，获得了五种多克隆抗体。采用间接竞争酶联免疫吸附试验评估了所得抗体对OFL的26种结构类似物FQ的交叉反应性(CR)。建立了构效关系模型来分析所得CR数据。应用了三种机器学习(ML)方法：随机森林分类器(RFC)、逻辑回归(LR)和支持向量分类器(SVC)。在Log Loss指标方面，SVC模型展现了最高的预测性能。相比之下，LR模型在包括精确率、召回率和F1分数在内的六项统计指标上表现出最佳的整体平衡性。三维拓扑描述符能够区分OFL的S-和R-异构体，而构型描述符和二维描述符的效果则较差。所得结果有助于FQ免疫检测系统的开发及其基于机器学习方法的计算分析。