佩普斯卡夫:利用机器学习与体外选择对De Novo宏环对IL-17C/IL-17RE的相互作用
Silong Zhai1, Yahong Tan2, Chengyun Zhang1
1School of Pharmaceutical Sciences, Zhejiang University of Technology, Hangzhou 310014, China.
Journal of medicinal chemistry
|July 22, 2023
概括
人工智能 (AI) 加快了药物发现. 研究人员开发了一种人工智能框架,PepScaf,用于新的宏环发现,成功识别了17C (IL-17C) 的强效抑制剂.
科学领域:
- 药用化学 医学化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 基于图书馆的选和人工智能加速了命中连接体的发现和优化.
- 人工智能的应用在新的宏环联体发现中仍然未得到充分探索.
研究的目的:
- 开发和评估一个综合的人工智能框架 (PepScaf),用于新的宏环发现.
- 为了识别向17C (IL-17C) 蛋白的强大的宏环.
主要方法:
- 开发了PepScaf,一个AI框架,从体外选择数据中提取针对IL-17C的生物活性支架.
- 基于人工智能生成的支架构建了一个专注的宏环类库.
- 选图书馆以确定抑制IL-17C/IL-17RE相互作用的.
主要成果:
- 鉴定出超过20种强大的宏环,可以抑制IL-17C/IL-17RE相互作用.
- 前两种体表现出高强度,IC50值低至1.4nM.
- 这标志着第一份针对IL-17C/IL-17RE相互作用发现的宏环的报告.
结论:
- 佩普斯卡的AI框架使得宏环的有效新发现成为可能.
- 这种方法在药物发现中提供了潜在的时间和成本节省.
- 成功识别了针对IL-17C的新型宏环,这是该领域的重大进展.
