Video Experimental Relacionado
Updated: Jan 7, 2026

Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
Diseño de Potentes Inhibidores de la Proteasa del VIH-1 Mediante Aprendizaje Automático y Enfoques QSAR
Saba Ali1, Ismail Dwi Putra2, Hathaichanok Chuntakaruk3
1Center of Excellence in Computational Chemistry (CECC), Department of Chemistry, Faculty of Science, Chulalongkorn University, Bangkok 10330, Thailand.
Los investigadores desarrollaron nuevos inhibidores de la proteasa del Virus de la Inmunodeficiencia Humana tipo 1 (VIH-1) utilizando modelos de aprendizaje automático y QSAR. Estos compuestos novedosos muestran potencial para superar la resistencia a los medicamentos, superando a los tratamientos existentes contra las variantes del VIH-1.
Sus antecedentes:
- El Síndrome de Inmunodeficiencia Adquirida (SIDA), causado por el Virus de la Inmunodeficiencia Humana tipo 1 (VIH-1), presenta un desafío persistente para la salud mundial.
- La resistencia a los medicamentos, especialmente a los inhibidores de la proteasa como el Darunavir, limita la efectividad de las terapias antirretrovirales actuales contra las variantes del VIH-1.
Conclusiones:
- El enfoque integrado QSAR-ML y basado en la estructura identificó con éxito candidatos prometedores a nuevos inhibidores de la proteasa del VIH-1.
- Los compuestos diseñados demuestran potencial para superar los mecanismos de resistencia a los medicamentos existentes en el tratamiento del VIH-1.
- Este estudio proporciona una base para el desarrollo de terapias antirretrovirales de próxima generación contra cepas de VIH-1 resistentes.
Videos de Conceptos Relacionados
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Protein-protein Interfaces

