BrainRoute 整合机器学习预测与社区驱动的血脑屏障通透性验证
BrainRoute integrates machine learning prediction with community-driven verification of blood-brain barrier permeability
预印本 · 尚未经过同行评审
BrainRoute 开放平台整合血脑屏障分子数据、预测与社区验证,外部集平衡准确率 0.659。
血脑屏障(BBB)是一种高度选择性的屏障,限制许多治疗药物进入大脑。缺乏用于BBB通透性研究和数据管理的高效方法,仍是中枢神经系统药物研发流程面临的重大挑战。尽管BBB通透性数据可从多个开放来源获取,但很少有平台将这些数据集与分子探索、预测工具以及由社区支持的数据验证结构化流程整合在一起。在此,我们推出BrainRoute,一个用于BBB分子数据收集、探索、预测和社区支持验证的开放平台。BrainRoute提供可搜索、可筛选的分子记录,理化与结构信息,来源关联数据,单分子与批量预测,以及一个结构化工作流,用户可通过该工作流提交额外证据以供审核。预测工具的模型开发队列包含7,888个独特分子,其中包括5,424个BBB+分子和2,464个BBB-分子。使用PaDEL描述符、Morgan指纹、冻结的ChemBERTa嵌入以及组合特征表示,对六种机器学习分类器进行了评估。三个入选模型以概率平均集成的方式整合到平台中。主要的五折支架分组分析取得了最佳平均平衡准确率0.783 {+/-} 0.026。在包含410个无重叠分子的独立外部集上,部署的集成模型取得了0.659的平衡准确率(95% CI 0.600 - 0.712)和0.670的AUPRC(95% CI 0.583 - 0.752)。BrainRoute是一个用于探索BBB相关分子数据和计算预测的平台,同时支持底层数据集的持续增长与验证。BrainRoute可在线免费访问(https://github.com/omicscodeathon/brainroutedb)。
中文由 AI 翻译,仅供参考,以原文为准。
来源:bioRxiv · Neuroscience · biorxiv.org