製品

薬物誘発性肝障害は、薬物減少の主な原因の 1 つです。薬剤候補の肝臓への影響をその化学構造から予測する能力は、実験的な創薬プロジェクトをより安全な薬剤に導くために重要です。この研究では、ヒト、齧歯動物、非齧歯動物を含むさまざまな種の肝臓に幅広い影響をもたらすことが報告されている 951 種類の化合物のデータセットを編集しました。このデータセットの肝効果は、語彙的および言語的手法とオントロジー規則の独自の組み合わせを使用して MEDLINE 要約から生成されたアサーション メタデータとして取得されました。我々は、従来のケモインフォマティクスアプローチを使用してこのデータセットを分析し、肝臓への影響の種間の一致性、ヒトにおける肝臓への影響の化学的決定要因、および特定の化合物がヒトにおいて肝臓への影響を引き起こす可能性が高いかどうかの予測に関するいくつかの疑問に取り組んできました。我々は、異なる種間の肝臓への影響の一致性が比較的低い（約39～44％）ことを発見し、種の特異性が化学構造の特定の特徴に依存する可能性を高めた。化合物は化学的類似性によってクラスター化され、類似化合物は種に依存した肝臓への影響プロファイルの予想される類似性について検査されました。ほとんどの場合、同じクラスターのメンバーについて同様のプロファイルが観察されましたが、一部の化合物は外れ値として表示されました。外れ値は、MEDLINE および他のデータ ソースからの集中的なアサーション再生成の対象でした。場合によっては、追加の生物学的主張が特定され、それは化合物の化学的類似性に基づく予想と一致していました。この主張はさらに、基礎となる化学物質のバイナリ注釈 (肝臓への影響と肝臓への影響なし) に変換され、化合物がヒトで肝臓に影響を与えると予想されるかどうかを予測するためにバイナリの定量的構造活性相関 (QSAR) モデルが生成されました。データの明らかな不均一性にもかかわらず、モデルは外部の 5 分割交差検証手順によって評価された優れた予測力を示しています。バイナリ QSAR モデルの外部予測力は、モデルの開発後に取得または研究された化合物に適用することによってさらに確認されました。私たちの知る限り、これは、限られた手動キュレーションで自動テキストマイニングの手段によって生成された観察データに QSAR モデリングおよびその他のケモインフォマティクス技術を適用した化学毒性予測の最初の研究であり、化学毒性学の生成およびモデリングの新たな機会を切り開きます。データ。