基于图形生成模型的SARS-CoV-2主要蛋白酶抑制剂的药物效能预测.
Sarah Fadlallah1, Carme Julià1, Santiago García-Vallvé2
1Research Group ASCLEPIUS: Smart Technology for Smart Healthcare, Departament d'Enginyeria Informàtica i Matemàtiques, Universitat Rovira i Virgili, 43007 Tarragona, Spain.
International journal of molecular sciences
|May 27, 2023
概括
一种新的计算方法准确地预测了抑制SARS-CoV-2主要蛋白酶 (M-pro) 的候选药物的效力. 这种快速且具有成本效益的工具通过识别有前途的化合物进行进一步研究来帮助虚拟选.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 生物信息学是一种生物信息学.
背景情况:
- 准确预测对SARS-CoV-2主蛋白酶 (M-pro) 的结合体功效对于高效的虚拟查至关重要.
- 识别强大的抑制剂可以加速抗病毒疗法的发展.
研究的目的:
- 开发和验证一种计算方法,用于预测针对SARS-CoV-2 M-pro.的药物效力.
- 创建一个快速可靠的工具,在虚拟查中优先考虑候选药物.
主要方法:
- 采用了三步计算方法:3D结构定义,3D结构定义,隐性矢量生成的图形自编码器,以及用于功率预测的合适模型.
- 该方法在一个数据库中测试了160种具有已知的pIC50值的药物-M-pro对.
主要成果:
- 计算方法在预测药物效率方面表现出高准确度 (pIC50).
- 整个数据库在几秒钟内在标准个人电脑上被处理,突出显示了计算效率.
结论:
- 成功开发了一种可靠,快速,经济高效的计算工具,用于预测针对SARS-CoV-2 M-pro的药物效力.
- 这种工具可以显著帮助优先考虑虚拟选中的命中,以便进一步进行实验验证.


