基于拓数据分析的计算机辅助药物重新利用来解决抗生素耐药性问题

科学领域:

• 药理学 药理学是指药理学的学科.
• 计算生物学 计算生物学
• 传染性疾病 传染性疾病

背景情况:

• 抗生素耐药性是一个日益增长的全球健康威胁,需要紧急开发新的抗生素.
• 药物重新定位为发现新型抗菌剂提供了一个潜在的快速和成本有效的策略.

研究的目的:

• 从FDA批准的药物中识别潜在的抗菌化合物来对抗大肠杆菌.
• 使用拓结构-活性关系 (SAR) 模型分析已知的药物标和大肠杆菌蛋白之间的结构相似性.

主要方法:

• 利用拓SAR数据分析模型来预测抗菌能力.
• 选美国食品和药物管理局 (FDA) 批准的药物对抗大肠杆菌的活性.
• 评估了大肠杆菌蛋白和来自其他细菌物种的蛋白质之间的拓相似性.

主要成果:

• 该模型成功识别了已知的抗生素 (例如,碳烯,) 和新的潜在抗菌分子.
• 拓上的相似性表明,在各种细菌物种 (例如,Mycobacterium tuberculosis,Pseudomonas aeruginosa,Salmonella Typhimurium) 中发现的化合物具有更广泛的抗菌谱.
• 识别的分子跨越多种治疗类别,包括抗瘤,抗组胺,降脂,低血糖和抗抑郁药物,以及核酸和核酸.

结论:

• 计算数学预测模型在识别具有抗菌潜力的分子方面是有效的.
• 这种方法可以揭示抗生素设计的新药理学目标.
• 这项研究促进了对抗菌素耐药性的理解,并有助于开发新的治疗策略.