基于机器学习的抗DPP-IV天然黄类衍生物的虚拟查策略

科学领域:

• 药用化学 医学化学
• 计算化学计算化学
• 药理学 药理学是指药理学的学科.

背景情况:

• 黄类药物通过抑制双基酸酶-IV (DPP-IV) 活性来表现出抗糖尿病作用.
• 黄酸的结构变异显著影响其DPP-IV抑制功效,使实验发现复杂化.
• 有效的选管道对于从天然产品中识别新型,强效的抗DPP-IV黄类衍生物至关重要.

研究的目的:

• 开发和应用一个融合策略,结合定量结构-活性关系 (QSAR) 模型来发现强效的抗DPP-IV类衍生物.
• 简化识别具有显著DPP-IV抑制活性的天然产品衍生类黄素.

主要方法:

• 使用具有七个分子性质参数的遗传算法 (GA) 构建高质量的QSAR模型,通过留出一个的交叉验证进行验证.
• 来自中国天然产品数据库 (NPCD) 的1,668种黄类衍生物的丰富,基于分子指纹相似性 (> 0.8).
• 使用QSAR模型与药物相似性的定量估计 (QED) 评分相结合,对富含衍生物的选,随后进行ADMET分析和分子动力学 (MD) 模拟.

主要成果:

• 开发了一个强大的QSAR模型 ($$ = 0.816,MAE_test = 0.14).
• 总共确定了33种具有预测IC50<6.5μM的黄类衍生物.
• 根据ADMET分析选择了三种强效的黄类衍生物,它们的DPP-IV抑制潜力通过100nsMD模拟和MM/PB(GB) SA.证实了.

结论:

• 开发的基于QSAR的融合策略对于发现强大的抗DPP-IV黄类衍生物是有效的.
• 已确定的黄类衍生物显示出作为糖尿病新型治疗剂的前景.
• 计算方法显著加快了天然产品衍生化合物的药物发现过程.