支持向量机在中药肾毒性研究中的应用

计算了111个肾毒化合物和90个无肾毒化合物的6122个分子描述符,采用CfsSubsetEval评价和BestFirst-D1-N5搜索相结合的方法筛选特征描述符子集。用支持向量机(SVM)构建化合物肾毒性判别模型。收集通过造成肾小管损坏致肾毒性的39个化合物,与39个无肾毒化合物组成数据集,用相同方法构建化合物肾小管损坏判别模型。2个模型的准确率、灵敏度、特异性、马修斯相关系数均在70%以上。以22个有肾毒的中药成分作为外部验证集,进一步评价肾毒性判别模型,准确率达72.73%。用肾小管损坏模型进一步判别肾毒性模型筛查结果为阳性的中药成分,其中10个中药成分可能通过损害肾小管致肾脏毒性,6个已有文献佐证。实验结果表明本研究构建的2个模型具有一定的准确性,有助于开展中药肾毒性成分筛查工作,并为进一步研究肾毒性机制提供新思路。