MolFuSE无监督相似性富集用于低数据虚拟筛选的九靶点评估

Journal of Cheminformatics · 2026-11-06 · 期刊论文

• 一句话结论：结论：在缺乏靶点特异配体数据时，基于分子功能注释汇聚参考集并用UMAP降维的MolFuSE框架，在早期富集高活性（＜100 nM）抑制剂方面提示优于传统拓扑指纹，但全局排序不及ECFP4（提示）。
• 研究设计与做法：设计：方法学计算评估研究，无湿实验对照；在九个酪氨酸转移酶靶点上系统评测，参考集来自同分子功能蛋白的已知配体，描述符为Mordred 2D，降维用UMAP；随访时长不适用，材料未报告。
• 主要结果：结果：ECFP4的全局排序更优（ROC-AUC 0.961 对 0.863），而描述符方法在参考集适当整理时早期富集因子EF1更佳；性能在参考集约10,000化合物处达峰，更大集合因弱结合物结构多样稀释描述符空间而下降。
• 机制或解释：机制：作者解释为非线性UMAP投影将理化描述符压缩为低维相似性空间，起到“活性强度过滤器”作用，优先把高亲和力配体排到前列；数据规模过大则引入结构多样的弱结合物造成稀释。
• 局限与边界：局限：仅在九个酪氨酸转移酶靶点上评测，另称跨八个蛋白家族，二者口径需注意；全部为计算回顾性评估，缺乏前瞻湿实验验证；阈值与参考集整理方式对结论影响较大，利益冲突材料未报告。
• 可否落地：落地：为孤儿靶点或数据稀缺靶点的早期优先级排序提供低成本可解释工具，属提示档位；不宜据此替代对接或实验筛选，实际使用需按靶点类别重新校准参考集规模（约10,000量级）。

🔗 打开原文

Alexander Hagg, Dirk Reith, Matthias Preller 等

本文摘自《每日前沿研究简报 · 2026-11-08》「化学信息 / 药物发现」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。