用深度学习,虚拟查和分子动态模拟来治疗SARS-CoV-2的双重标配体的新一代生成
Fahad Humayun1,2, Fatima Khan3, Abbas Khan1,2
1Department of Bioinformatics and Biological Statistics, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, PR China.
Journal of biomolecular structure & dynamics
|July 14, 2023
概括
这项研究引入了一个新的AI框架,用于生成双重向药物分子. 与Remdesivir相比,人工智能设计的化合物对SARS-CoV-2点具有优越的结合亲和力.
科学领域:
- 计算化学是一种计算化学.
- 人工智能在药物发现中的作用
- 分子建模分子建模
背景情况:
- 使用深度生成模型的De novo分子生成对双目标化合物来说是有希望的,但具有挑战性.
- 开发用于多个目标的新疗法需要先进的计算策略.
- 现有的方法难以设计具有特定生物活动的分子,同时针对两个不同的目标.
研究的目的:
- 开发一种独特的计算框架,用于针对两个预先确定的治疗点的生物活性化合物的新合成.
- 创建一个能够高效地探索化学空间的双目标联体生成网络.
- 为特定的生物标产生具有增强结合亲和力的新型分子.
主要方法:
- 使用基于序列的简单分子输入线输入系统 (SMILES) 生成器,具有随机策略.
- 开发和训练了一个神经网络模型,用于为双重目标分子准备的训练数据.
- 采用生成AI来创建新分子,随后对SARS-CoV-2 PLpro和3CLpro进行虚拟查.
- 将产生的分子与常规药物remdesivir的结合亲和力进行比较.
主要成果:
- 成功生成了新型分子,它们对SARS-CoV-2 PLpro和3CLpro.有很高的结合亲和力.
- 与Remdesivir相比,产生的化合物显示出更高的结合亲和力,这是目前针对SARS-CoV-2的治疗方法.
- 双重标联体生成网络有效地探索化学空间以确定强效药物候选者.
结论:
- 开发的计算框架为设计双目标生物活性化合物提供了强大的方法.
- 人工智能驱动的de novo合成可以加速发现具有更高效率的新疗法.
- 这种方法在开发针对SARS-CoV-2等病毒点的新疗法方面具有重大潜力.
