スタックされたアンサンブル学習とin-silicoプロファイリングは,Moringa oleiferaの代謝産物からの二重のDPP-IVおよびSGLT2阻害剤を明らかにしています

科学分野:

• 計算式化学と薬理学について
• 自然製品 薬剤の発見
• 薬物開発における機械学習

背景:

• 糖尿病 (DM) は,特に資源が限られた地域において,世界的な健康上の重大な負担となっている.
• DPP-IVとSGLT2の二重阻害は,インスリン分泌とグルコース分泌を改善することによって,糖尿病の管理に相乗効果のあるアプローチを示します.

研究 の 目的:

• M. oleiferaの代謝産物から二重のDPP-IV/SGLT2阻害剤を識別するための in silicoフレームワークを開発する.
• 薬剤発見のためのスタックされたアンサンブル機械学習,分子ドッキング,MDシミュレーションを活用するために.

主な方法:

• 統合コンピューティングフレームワーク: スタックアンサンブルML,分子ドッキング,MDシミュレーション,ADMETプロファイリング.
• FDAが承認した阻害剤を用いたモデルの検証.
• M. oleiferaのメタボリートのLC-MS/MSプロファイリング.

主要な成果:

• スタックされたアンサンブルモデルは高い予測精度を達成しました (MCC>0.937はDPP-IV,>0.861はSGLT2).
• ビテキシンやN,α-L-ラムノピラノシルビンコサミドを含む,M. oleiferaのいくつかの代謝物質を特定し,高い予測活性と好ましい性質を有しました.
• N,α-L-rhamnopyranosyl vincosamideは,結合親和性とMDシミュレーションに基づいて,潜在的な二重DPP-IV/SGLT2阻害体として浮上しました.

結論:

• M. oleiferaは,マルチターゲットの抗糖尿病化合物の貴重な源である.
• スタックされたアンサンブル学習は,糖尿病に対する天然製品ベースの薬物発見を効果的に加速します.
• 特定された化合物は,新しい抗糖尿病療法の開発に希望を示しています.