小分子药物的细胞色素P450代谢位点预测方法

摘要

本发明提供一种小分子药物的细胞色素P450代谢位点预测方法，采用基于支持向量机分类器的机器学习模型WhichCyp，对小分子属于细胞色素P450酶亚型1A2,2C9,2C19,2D6及3A4中一种或几种亚型的底物进行预测；利用基于卷积神经网络的机器学习模型对相应亚型的细胞色素P450酶对小分子药物的代谢位点进行预测排序；对完整的细胞色素P450酶体系与完整的分子的热力学及动力学相互作用进行计算评估；对各个构象进行较高精度的MMGBSA计算，得到不同的小分子构象与细胞色素P450酶的结合能；利用收集到的小分子训练集对流程进行训练，直到预测准确率>80%为止。本发明提高了预测的准确性。