がん治療のための強力なJAK3阻害剤の機械学習誘導同定とシミュレーションベース検証

科学分野:

• 計算化学
• 創薬
• バイオインフォマティクス

背景:

• ヤヌスキナーゼ3（JAK3）は免疫シグナル伝達において重要であり、がんの進行と関連しています。
• 選択的なJAK3阻害剤の開発は、標的がん治療に不可欠です。

研究 の 目的:

• 新規JAK3阻害剤を同定するための機械学習パイプラインを確立すること。
• JAK3を標的とする潜在的な抗がん剤を発見すること。

主な方法:

• 機械学習モデルをJAK3阻害剤データセットでトレーニングし、ランダムフォレストをその高性能のため選択しました。
• トレーニング済みモデルを使用して25,084化合物を仮想スクリーニングし、続いてドッキングとADMETプロファイリングを行いました。
• 分子動力学シミュレーションとMM/GBSA計算を実施して、結合安定性と親和性を評価しました。

主要な成果:

• 高信頼度のJAK3阻害剤候補を400件同定しました。
• 良好なADMET特性を持つ3つの化合物（CHEMBL49087、CHEMBL4117527、CHEMBL50064）を選択しました。
• CHEMBL4117527は、共結晶化リガンドと比較して優れた結合自由エネルギーを示しました。

結論:

• 開発された機械学習パイプラインは、JAK3阻害剤発見のための堅牢な戦略です。
• CHEMBL4117527は、がん治療における実験的検証のための有望な候補です。