通过非线性模式识别,化学空间和相互作用分析的结合模式,对HDAC3抑制剂进行基于碎片的结构探索和化学生物相互作用研究
Suvankar Banerjee1, Shraddha Dumawat2, Tarun Jha1
1Natural Science Laboratory, Division of Medicinal and Pharmaceutical Chemistry, Department of Pharmaceutical Technology, Jadavpur University, Kolkata, India.
Journal of biomolecular structure & dynamics
|August 23, 2023
概括
本研究使用机器学习和化学空间分析确定了强大的HDAC3抑制剂的关键结构特征. 这些发现有助于开发用于癌症和其他疾病的新药候选药物.
科学领域:
- 药用化学 医学化学
- 计算机化药物发现技术
- 结构生物学 结构生物学
背景情况:
- 基因组脱乙酶3 (HDAC3) 是新药发现的关键目标,特别是在瘤学中.
- 了解结构-活性关系对于设计有效的HDAC3抑制剂至关重要.
研究的目的:
- 确定调节HDAC3抑制的关键结构和物理化学性质.
- 为指导基于碎片的新型HDAC3抑制剂的药物发现工作.
主要方法:
- 采用基于片段的非线性机器学习方法.
- 进行了化学空间探索和基于结构的结合模式分析.
- 利用分子动力学 (MD) 模拟来分析联体酶相互作用.
主要成果:
- 确定了抑制HDAC3的有利性质:脂性,特定的表面积,基胺,体积大的芳香基,氧原子和π电子.
- 突出了链接部分,环和异环环盖在结合中的重要性.
- 宏循环结构和循环基盖与较低的抑制有关.
- MD模拟证实了强大的结合模式和已识别的碎片的意义.
结论:
- 这项研究提供了对控制HDAC3抑制的结构特征的关键见解.
- 结果是HDAC3抑制剂基于碎片的药物发现的宝贵资源.
- 促进开发针对HDAC3.3的潜在临床治疗方法.
