機械学習駆動型コンピューティングによる薬物再利用により,がんに対する新しいチューブリン阻害剤を特定する

科学分野:

• 腫瘍学 腫瘍学
• コンピューティング・ケミストリー
• ドラッグ・ディスカバリー・ドリッグ・ディスカバリー・ドリッグ・ディスカバリー・ドリッグ・ディスカバリー

背景:

• チューブリンは重要な抗がん標的ですが,既存の阻害剤は毒性と耐性問題に直面しています.
• コルチシン結合部位阻害剤の臨床翻訳は限られている.
• より安全なチューブリンを標的とする抗がん剤を発見するために,新しい戦略が必要である.

研究 の 目的:

• 新しい,より安全なチューブリン標的抗がん剤の発見を加速させるため.
• 機械学習主導の薬物再利用戦略を開発し,適用する.
• トゥブルインのコルキシン結合部位をターゲットにすることで,潜在的な抗がん活性を持つ既存の薬物を特定する.

主な方法:

• 機械学習 (ML) AutoQSARモデルは,279のチューブリン阻害剤で訓練されました.
• 4500の米国FDA承認薬がMLモデルと構造ベースの仮想スクリーニング (Glide HTVS, SP, XP) を使用してスクリーニングされました.
• 分子動力学シミュレーション (MM-GBSA,200 ns MD) と生化学分析により,潜在的な薬剤候補が検証されました.

主要な成果:

• 1800の潜在的なチューブリン阻害剤は,最初の薬物スクリーンから予測されました.
• 4つの安定したコルチシンサイト結合剤 (オメプラゾール,ポドフィロックス,スルファドキシン,トリメトプリム) は,好ましい結合エネルギーを持つと特定されました.
• オメプラゾールとポドフィロックスは,メラノーマと結腸直腸がん細胞に対する低マイクロモラー抗増殖活性を示した.

結論:

• 機械学習による薬物再利用フレームワークは,チューブリン内のコルキシン結合部位を標的とした新しい抗がん候補者を成功裏に特定しました.
• この統合された計算と実験的アプローチは,より安全な抗がん剤を発見するための有望な戦略を提供します.
• オメプラゾールとポドフィロックスは,チューブリンを標的とするがん治療薬としてさらなる開発の可能性を提示しています.