機械学習とQSARアプローチを用いた強力なHIV-1プロテアーゼ阻害剤の設計

科学分野:

• 医薬品化学
• 計算生物学
• 創薬

背景:

• ヒト免疫不全ウイルス1型（HIV-1）によって引き起こされる後天性免疫不全症候群（AIDS）は、世界的な健康問題であり続けています。
• 特にダルナビルなどのプロテアーゼ阻害剤に対する薬剤耐性は、HIV-1変異株に対する現在の抗レトロウイルス療法の有効性を制限しています。

研究 の 目的:

• 機械学習（ML）および定量的構造活性相関（QSAR）モデリングを統合することにより、新規で強力なHIV-1プロテアーゼ阻害剤を設計すること。
• 阻害活性に寄与する主要な分子記述子および構造的特徴を特定すること。
• 野生型および耐性HIV-1株に対する新たに設計された阻害剤の結合能を評価すること。

主な方法:

• さまざまな分子記述子を使用した複数のQSARモデル（GFA、MLR、RF、GBR、XGBoost）の開発と比較。
• モデル予測を解釈し、pIC50に影響を与える重要な分子特徴を特定するためのSHAP分析の適用。
• HIV-1プロテアーゼに対する予測阻害剤の結合親和性および相互作用を評価するための構造ベースの分子ドッキングシミュレーション。

主要な成果:

• 勾配ブースティング回帰（GBR）モデルは、阻害活性の予測において高い精度（R² = 0.911および0.994）を達成しました。主な予測特徴には、C53の電子電荷、低い双極子モーメント、および短いC53-O54結合長が含まれていました。5つの強力な阻害剤（B01-B05）が設計され、B03およびB05は、疎水性結合および水素結合を介して、野生型および変異型HIV-1プロテアーゼに対する強力な予測結合を示しました。

結論:

• 統合されたQSAR-MLおよび構造ベースのアプローチにより、有望な新規HIV-1プロテアーゼ阻害剤候補が正常に特定されました。
• 設計された化合物は、HIV-1治療における既存の薬剤耐性メカニズムを克服する可能性を示しています。
• この研究は、耐性HIV-1株に対する次世代抗レトロウイルス療法の開発の基盤を提供します。