计算与 AI 药物发现 chemRxiv
标准机器学习虚拟筛选的COX-2候选物对接表现与随机化合物无异
- 利用COX-2和COX-1的随机森林活性模型筛选ZINC大型子集,经过滤得到少量候选物,并与同一库中的随机对照集一起用Vina进行对接。
- 通过重新对接参照抑制剂,并证明该方案能区分已知活性分子与随机化合物,来验证对接流程。
- 尽管回顾性基准表现良好,机器学习候选物的对接结果并不优于随机化合物,预测值与对接排名无相关性,且大多数候选物处于适用域之外。
- 作者主张应将适用域覆盖率和同库随机基线对比列为必须报告的内容。
要点 基于摘要的观点
在同一化合物库中设随机对照,这个设计是对的,但裁判Vina本身就是个弱代理:它的打分与实测COX-2亲和力相关性很有限,所谓“不比随机好”部分可能只是对接噪声。更值得注意的是训练集(已知类NSAID骨架)与ZINC之间的领域差距。下一步:挑几个排名靠前的化合物做生化实验验证。
原论文: chemRxiv ↗ A Standard Machine-Learning Virtual Screening Pipeline Produces Candidates Indistinguishable From Random Drug-Like Compounds: A Quantitative Audit Using COX-2 As Case Study