使用生成性深度学习框架的 κ-阿片类受体对手的 De Novo 设计
Leslie Salas-Estrada1, Davide Provasi1, Xing Qiu1
1Department of Pharmacological Sciences, Icahn School of Medicine at Mount Sinai, New York, New York 10029, United States.
卡帕-阿片类受体 (KOR) 的药理阻塞可以通过减少奖励缺陷来治疗阿片类成. 这项研究使用深度学习来设计新的KOR抗剂,显示出成治疗的前景.
科学领域:
- 神经科学是一个神经科学.
- 药理学 药理学是指药理学的学科.
- 计算化学计算化学
背景情况:
- 治疗阿片类药物成需要进行干预,以解决戒断期间大脑奖励缺陷的问题.
- 卡帕-阿片类受体 (KOR) 抗在临床前模型中显示出减少戒断症状和阿片类药物使用升级的潜力.
- 现有的KOR抗体具有局限性,包括强效,选择性化合物的稀缺性和严重的安全问题.
研究的目的:
- 利用生成深度学习框架来设计具有预测 KOR 抗活性的新型化学型.
- 为了识别和优先考虑的分子与最佳的预测相互作用的KOR对抗性.
- 通过实验验证设计的分子和深度学习框架.
主要方法:
- 应用一个生成的深度学习框架,用于新的分子设计.
- 根据预测的结合亲和力和KOR的功能活性来确定产生的分子的优先级.
- 使用结合试验和功能试验进行实验验证,以确认KOR对抗性.
主要成果:
- 通过使用深度学习方法,成功生成具有假定KOR对抗活性的新型化学型.
- 优先级策略有效地确定了具有预测最佳受体相互作用的化合物.
- 实验验证证了设计分子的KOR抗性潜力和训练方案的有效性.
结论:
- 生成型深度学习为潜在的KOR对手的新设计提供了一种强大的方法.
- 这一策略可以通过克服现有化合物的局限性来加速对阿片类药物成的新疗法的发现.
- 经过验证的框架为开发更安全,更有效的阿片类药物使用障碍治疗提供了一个有希望的平台.
更多相关视频
07:48Tracking Drug-induced Changes in Receptor Post-internalization Trafficking by Colocalizational Analysis
Published on: July 3, 2015
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
相关概念视频
Opioid Receptors: Overview
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Drug-Receptor Interaction: Agonist
Agonists can bind to receptors in different ways. Some agonists bind directly to the receptor's active site, mimicking the endogenous...
Analgesia and Pain Management
Opioid Analgesics: Morphine and Other Natural Cogeners
Drug-Receptor Interaction: Antagonist
Antagonists can be classified as competitive or noncompetitive based on their...
