通过人工智能和机器学习利用基于结构的药物设计策略对SARS-CoV-2的RdRp进行系统审查
Fariha Imtiaz1, Mustafa Kamal Pasha2
1Punjab University College of Pharmacy, University of the Punjab, Lahore, Pakistan.
Turkish journal of chemistry
|September 18, 2023
概括
这次审查强调了针对SARS-CoV-2RNA依赖RNA聚合酶 (RdRp) 针对COVID-19药物设计的潜力. 通过分析RdRp结构数据,机器学习有助于识别治疗策略.
科学领域:
- 病毒学 病毒学
- 药物发现 药物发现 药物发现
- 计算生物学 计算生物学
背景情况:
- 由于COVID-19大流行,需要针对SARS-CoV-2进行优化药物设计策略.
- 了解病毒病理生物学对于开发有效的抗病毒疗法至关重要.
- 人工智能和机器学习为in silico药物发现提供了强大的工具.
研究的目的:
- 审查SARS-CoV-2RNA依赖RNA聚合酶 (RdRp) 的结构细节.
- 评估RdRp作为COVID-19治疗点的潜力.
- 探索AI/ML在识别潜在RdRp抑制剂中的应用.
主要方法:
- 使用PRISMA指南进行系统的文献审查.
- 用于物品选择的人工神经网络.
- 在Scopus,PubMed,PubChem和Web of Science (2000年至今) 上进行的搜索.
- 专注于RNA依赖RNA聚合酶 (RdRp) 作为一个关键的病毒点.
主要成果:
- 编制和分析了SARS-CoV-2 RdRp的结构信息.
- 确定RdRp是病毒复制的关键酶,也是一个有前途的药物标.
- AI/ML方法有效地为药物候选者识别列出了相关研究的入围名单.
结论:
- 对RdRp的详细结构洞察力可以为开发新型治疗解决方案提供信息.
- 为了推进针对SARS-CoV-2 RdRp的潜在临床候选人,多学科的努力至关重要.
- 在 silico 方法加速发现有效的抗病毒药物对抗COVID-19.
