采用循环神经网络模型和分子动力学模拟的加速NLRP3炎酶抑制设计

科学领域:

• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学
• 药物发现 药物发现 药物发现

背景情况:

• 异常的NLRP3炎症酶激活与各种疾病有关,包括动脉样硬化,糖尿病,心血管和神经退行性疾病.
• 准NLRP3为开发新型抗炎药物提供了潜在的治疗策略.

研究的目的:

• 开发一种用于*de novo*针对NLRP3炎症酶的体设计的计算方法.
• 加速发现强效和选择性的NLRP3抑制剂.

主要方法:

• 利用长期短期记忆 (LSTM) 网络,一种循环神经网络 (RNN),来建模分子潜伏空间.
• 使用循环二元化谱和分子动力学模拟指导的分类器来选择候选分子.
• 经过实验验证的设计因其对炎症酶的抑制活性而得到验证.

主要成果:

• 60%的测试表明NLRP3介导的IL-1β和IL-18的抑制.
• 一种在抑制NLRP3介导的IL-1β分泌方面表现出高强度.
• 这种具有选择性,不影响NLRC4和AIM2炎症酶介导的IL-1β分泌.

结论:

• 深度学习和分子动力学模拟可以显著加速NLRP3抑制剂的发现.
• 开发的计算方法在设计有选择性和强大的NLRP3向上是有效的.
• 这项研究为开发针对NLRP3炎症酶的新抗炎疗法提供了有希望的途径.