Mpropred:一种机器学习 (ML) 驱动的Web应用程序,用于预测SARS-CoV-2主要蛋白酶 (Mpro) 反对者的生物活性
Nadim Ferdous1, Mahjerin Nasrin Reza1, Mohammad Uzzal Hossain2,3
1Department of Biotechnology and Genetic Engineering, Mawlana Bhashani Science and Technology University, Santosh, Tangail, Bangladesh.
PloS one
|June 23, 2023
概括
本研究使用预测模型确定了抑制SARS-CoV-2主要蛋白酶 (Mpro) 的关键化学结构. 开发的网络应用程序Mpropred有助于发现用于COVID-19治疗的新型Mpro抑制剂.
科学领域:
- 药用化学 医学化学
- 计算化学的计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 由于病毒突变影响现有治疗方法,SARS-CoV-2大流行需要新的治疗策略.
- SARS-CoV-2 主蛋白酶 (Mpro) 是抑制病毒复制的关键药物标.
研究的目的:
- 通过使用分类结构与活动关系 (CSAR) 模型,识别与反Mpro活动相关的关键子结构.
- 为SARS-CoV-2 Mpro 抑制剂开发一个强大的预测模型.
- 创建一个公开可访问的网络应用程序 (Mpropred),用于预测Mpro抑制剂的生物活性.
主要方法:
- 使用CSAR模型与12个分子指纹分析758个非冗余化合物.
- 在100个数据分割中使用随机森林算法进行预测模型开发.
- 使用精度,灵敏度,特异性和马修斯相关系数验证模型性能.
主要成果:
- 该CSAR模型显示出强大的可预测性,MODI指数为0.79.
- 预测模型实现了高性能指标:89%的准确性,89%的灵敏性,73%的特异性和79%的MCC.
- 确定了甲基侧链,芳香环和基组对于Mpro抑制至关重要.
结论:
- 开发的预测模型和Mpropred网络应用程序可以加速发现有效的SARS-CoV-2 Mpro抑制剂.
- 使用Mpropred对CMNPD数据库的选揭示了具有显著Mpro结合亲和力的化合物.
- 分子动力学和MM/PBSA分析支持已识别的抑制剂复合物的改进特性.
