Identification de potentiels inhibiteurs des récepteurs du facteur de croissance endothélial vasculaire via la modélisation par apprentissage basé sur des arbres et la simulation de docking moléculaire

Résumé L'angiogenèse, un processus crucial dans la croissance tumorale, est largement reconnue comme un facteur clé de la progression du cancer. La voie de signalisation du facteur de croissance endothélial vasculaire (VEGF) est importante en raison de son rôle central dans la promotion de l'angiogenèse. L'objectif principal de cette étude était d'identifier un classificateur puissant pour distinguer les composés en tant qu'inhibiteurs actifs ou inactifs des récepteurs VEGF. Pour construire le modèle d'apprentissage machine, les composés ont été extraits de la base de données BindingDB. Une variété de techniques courantes de sélection de caractéristiques, incluant des méthodes basées sur des filtres et des méthodes basées sur des enveloppes, ont été appliquées pour réduire la dimensionnalité, et ainsi, le problème de surajustement. Des classificateurs basés sur des arbres robustes et précis ont été employés dans la procédure de classification. L'application du classificateur extra-arbre utilisant la méthode de sélection de caractéristiques MultiSURF* a fourni un modèle avec une précision supérieure (83,7 %) par rapport à d'autres techniques de sélection de caractéristiques. Un docking moléculaire à haut débit suivi d'un docking précis et d'une analyse complète des résultats a été réalisé pour fournir les meilleurs inhibiteurs possibles de ces récepteurs. Une analyse complète des résultats de docking a révélé une prédiction réussie des molécules avec une activité inhibitrice sur les VEGFR1 et VEGFR2. Ces résultats ont souligné que la performance du modèle extra-arbre, associée à la sélection de caractéristiques MultiSURF*, a surpassé d'autres méthodes pour identifier des composés chimiques ciblant des récepteurs VEGF spécifiques.