Target prediction

RNA 在生命活动调控的各个方面发挥着重要作用。随着对疾病机制的深入研究，RNA 的表达、剪切、翻译、稳定性调控等过程已成为疾病干预的新型靶点。通过小分子药物调节这些过程，可以为代谢疾病、遗传疾病和肿瘤患者提供新的治疗模式。

MCE 计算团队收集了 PDB、R-BIND、ROBIN 和内部数据库中的已知 RNA 靶向小分子作为阳性数据集，并从 ROBIN 中收集了非靶向 RNA 的小分子作为阴性数据集。基于 GeminiMol 预训练模型，对这些分子进行编码，并通过 Mordred 计算了 1700+ 分子描述符作为模型的输入。接着用 13 个深度学习模型对这些数据进行学习，所有模型都取得了良好的训练结果，AUROC均超过0.75。选择分类效果最好的 Finetune 模型（AUROC值：0.82，预测准确率：0.76）对 HY-L901P 进行筛选。进一步基于StaR Rules（cLogP≥1.5，Molar Refractivity≥4，Relative Polar Surface Area≤0.3）进行再过滤，最终获得 5,000 个具有潜在 RNA 相互作用活性的小分子化合物。该库同时具备结构多样性，是 RNA 靶向药物开发的有利工具。

药物性肝损伤,也被称为药物诱导肝毒性（DILI），是由于药物（处方药及非处方药）、草药、食品添加剂及其他外源性物质导致的肝脏异常或功能障碍。药物是肝脏损伤的重要原因。药物性肝损伤是导致药物研发终止或撤市的最常见的原因。

DILI 已被证实是一个由多种机制参与的复杂病理过程，其中包括肝脏的结构和功能完整性的直接损害（例如线粒体功能障碍）；产生改变肝细胞结构和功能的代谢产物；产生能与肝蛋白结合的反应性药物代谢产物，从而产生新的抗原性药物-蛋白质加合物，这些新的加合物被宿主的防御系统所针对（半抗原假说），并引发损害肝脏的全身超敏反应（即药物过敏）。

MCE 肝脏毒性化合物库包含 1,444 种肝脏毒性化合物，是进行肝损伤及相关药物毒理研究的有力工具，该化合物库也可以用来探究 DILI 发病机制，识别早期 DILI 标记物，在药物开发中及时发现并规避可能诱导肝损伤的药物设计，有助于药物的顺利上市。