AI驱动发现氯硝柳胺作为靶向p62 ZZ结构域的VTRNA1-1模拟物用于急性髓系白血病

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE336862

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

摘要：急性髓系白血病（AML）因其依赖于复杂的致癌网络（包括通常难以成药的MYC信号通路）而仍然是治疗难题。在本研究中，我们鉴定非编码vault RNA VTRNA1-1为AML中的关键分子脆弱点。使用miR30-shRNA慢病毒载体稳定敲低VTRNA1-1可显著损害AML细胞增殖，CellTrace Far Red稀释实验证实了这一点。通过RNA-seq进行的全局转录组分析显示，VTRNA1-1耗竭触发MYC和FOXM1调控轴的系统性崩溃。为鉴定能够模拟该转录组特征的药物，我们开发了一种机器学习流程，利用在L1000FWD数据库上训练的随机森林分类器。对4期已批准药物进行虚拟筛选，鉴定驱虫药氯硝柳胺为排名靠前的候选药物，模拟概率为98.17%。可解释AI（XAI）分析验证了该预测的结构依据，突出了氯硝柳胺水杨酰苯胺核心中的特定化学片段。

此外，分子对接模拟预测氯硝柳胺与p62（SQSTM1）支架蛋白的ZZ结构域结合，结合能为−7.5 kcal/mol，具有有利的结合能量，并与GLY 343形成关键的传统氢键。这些发现表明，氯硝柳胺作为p62 ZZ结构域上的物理“盖子”发挥作用，有效地表型模拟VTRNA1-1缺失并抑制致癌信号传导。我们的研究整合了转录组分析、人工智能驱动的药物重定位和结构生物学，提出氯硝柳胺作为AML的潜在治疗候选药物。重要的是，尽管该框架提供了令人信服的药理学依据，但对接和机器学习结果属于计算预测，严格需要未来的实验验证。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。