GluN1/GluN3A NMDA受容体のヒット識別のためのAI強化仮想スクリーニングアプローチ

科学分野:

• 神経科学
• 薬理学について
• コンピュータ化学

背景:

• N-メチル-D-アスパルテート受容体 (NMDARs) は,ニューロン発育とシナプス可塑性を含む脳機能に不可欠です.
• GluN1/GluN3A NMDARサブタイプは,低カルシウム浸透性を持つグリシンゲート受容体であり,薬学的開発を阻害しています.
• GluN1/GluN3Aの研究は,その生理学的役割と治療の可能性を理解するために不可欠です.

研究 の 目的:

• GluN1/GluN3A NMDARの小分子調節器を特定するための効率的で正確な計算パイプラインを開発し,検証する.
• GluN1/GluN3A受容体サブタイプを標的とした新しい小分子阻害剤を発見する.

主な方法:

• リガンドベースの方法と構造ベースの方法を統合したハイブリッド仮想スクリーニング (VS) パイプラインが採用されました.
• ROCS-BARTとグラフニューラルネットワーク (GNN) モデルを含む1800万の化合物のAI強化の多段階スクリーニングが行われました.
• 機能的検証は,カルシウム流量測定法 (FDSS/μCell) とパッチクランプ記録を用いた.

主要な成果:

• AI強化のVSワークフローでは,10μM未満の抑制活性を持つ2つの化合物が成功しました.
• 1つの化合物は,パッチクランプの電気生理学で確認された5. 31 ± 1. 65μMのIC50で強力な抑制を示した.
• この研究は,AI主導のVSアプローチが 難しい受容体をターゲットにすることに有効性を示しています.

結論:

• 開発されたAI強化のVSパイプラインは,GluN1/GluN3Aのような研究不足のNMDARサブタイプのリガンドを発見するための効率的かつ正確な戦略を提供します.
• この研究は,GluN1/GluN3A受容体とその潜在的な治療用途のさらなる薬理学的調査のための基礎を提供します.
• この発見は 複雑な生物学的標的に対する 薬剤発見における 統合された計算と実験的アプローチの力を強調しています