多任务学习驱动的新型抗松体化合物的识别
Jade Milhomem Lemos1, Meryck Felipe Brito da Silva1, Alexandra Maria Dos Santos Carvalho2
1LabChem - Laboratory of Cheminformatics, Faculty of Pharmacy, Federal University of Goiás, Goiânia,74605-170, GO, Brazil.
Future medicinal chemistry
|September 13, 2023
概括
对于查加斯病和人类非洲试虫病的新药发现是紧急的. 一个可解释的多任务人工智能管道确定了四种新的抗类体化合物,包括有前途的LC-6.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 寄生虫学的寄生虫学
背景情况:
- 查加斯病和人类非洲试虫病对全球健康造成重大负担.
- 迫切需要新的治疗药物来对抗这些被忽视的热带疾病.
研究的目的:
- 开发一种可解释的多任务人工智能管道,用于对类体的化合物活性进行分析.
- 通过虚拟查识别新型抗松体化合物.
主要方法:
- 创建一个可解释的多任务AI管道.
- 对三种关键试体物种进行分析化合物活性: *Trypanosoma brucei brucei*, *Trypanosoma brucei rhodesiense* 和 *Trypanosoma cruzi*.
- 化学化合物的虚拟选.
主要成果:
- 人工智能管道成功识别了四种新的实验性抗类体化合物:LC-3,LC-4,LC-6和LC-15.
- 化合物LC-6表现出强烈的活性,IC50值在0.01-0.072μM之间,具有高选择性指数 (>10,000).
结论:
- 多任务协议提供预测和可解释的结果,用于虚拟查抗松体化合物.
- 这种方法有潜力提高查加斯病和人类非洲三体病药物开发项目的成功发现率.
