BiotaPredictor：用于预测人肠道菌群耗竭药物的机器学习框架

口服药物在抵达体循环之前，先要经过一个代谢能力强大且高度个体化的“器官”——肠道微生物群。体外实验显示，76种人源肠道细菌中有多种能对271种口服药物进行化学修饰，执行这些反应的微生物基因产物也被系统鉴定出来 ^[2]；MDM-Screen等定量框架进一步表明，同一药物在不同个体来源的菌群中代谢命运各异 ^[3]。左旋多巴是临床上的经典例证：肠球菌与Eggerthella lenta构成的种间代谢通路可降低药物可用性 ^[5]。在预测端，机器学习被视为刻画个体层面药物-微生物相互作用的有力工具 ^[1]，GutBug等平台已能预测可能参与生物转化的细菌酶及反应中心 ^[6]，也有研究构建了11个监督学习模型来预测药物是否易被微生物耗竭^[7]。然而，微生物驱动的药物损耗在早期开发中仍少被考虑——经典的生物药剂学分类只以溶解性与渗透性为基本参数 ^[4]。

这项研究针对的正是这一痛点。作者构建了免费开放的网页式机器学习平台BiotaPredictor，仅凭分子结构即可预测药物被人肠道微生物耗竭的可能性。数据来自两个经整理的数据集：统一注释的阿斯利康数据集（158个化合物）与整合已发表证据的扩展数据集（522个化合物）。作者系统比较了理化性质、三维构象特征与分子指纹等多类描述符在一系列分类算法中的表现，最终基于阿斯利康数据集、以理化参数训练的逻辑回归模型胜出，在外部验证中对全部化合物（3个被耗竭、9个稳定）分类正确。

就领域推进而言，BiotaPredictor把以往主要依靠实验图谱 ^[2,3] 与酶级预测 ^[6] 承担的微生物药物损耗问题，转化为早期开发中可直接从结构出发的分层筛查工具，服务于先导化合物优化、制剂策略与药代动力学预测。它延续了以监督学习预测微生物耗竭易感性的思路^[7]，但以免费网页平台的形式交付并接受外部检验；最优特征恰为理化参数，与以溶解性、渗透性刻画口服吸收的经典框架遥相呼应 ^[4]，只是预测对象换成了微生物耗竭风险。据报道，该工具出自乌普萨拉大学团队^[8]；同类方向上据称还出现了可预测人体与肠道微生物药物代谢的MicrobeRX^[9]。

局限同样清楚：外部验证集仅12个化合物，结论的普适性有待更大数据检验；模型只以分子结构为输入，未纳入个体间微生物组差异，而这种差异已被证明连接着药物代谢的个体差异 ^[2,3]；它回答的是“是否会被耗竭”，而非“被谁、经何种反应耗竭”，后者仍需机制研究 ^[2,5] 与酶级工具 ^[6] 来回答。