基于人工智能的新型设计,用于新型Plasmodium falciparum等离子素 (PM) X 抑制剂

科学领域:

• 药用化学 医学化学
• 计算机化药物发现技术
• 寄生虫学的寄生虫学

背景情况:

• 疟疾是由Plasmodium falciparum引起的,每年导致超过60万人的死亡.
• 通过等离子素 (PMs) 处理蛋白质对于寄生虫的入侵和退出至关重要.
• 对于抗疟疾药物开发来说,pfpmx 是一个重要的目标.

研究的目的:

• 设计和识别使用de novo生成模型的Plasmodium falciparum plasmepsin X (PfPMX) 的新型抑制剂.
• 探索潜在的抗疟疾药物候选药物,以提高疗效和安全性.

主要方法:

• 使用基于结构的对接对4325个化合物的虚拟选.
• 使用连接子神经网络 (L-Net) 和基于连接子的变压器建模的精细化.
• ADMET选,分子对接,结合亲和力,MM_GBSA,MD模拟以及FEP/MD计算.

主要成果:

• 产生了新的潜在PfPMX抑制剂,其对接得分≤-7.00 KCal/mol.
• 确定了用于高级模拟的7种化合物 (50 ns MD,FEP/MD).
• 报告的化合物具有可接受的ADMET配置文件和合理的合成可访问性.

结论:

• 使用深度生成式学习成功生成了新的潜在PfPMX抑制剂.
• 已识别的化合物代表了有希望的抗疟疾候选人,用于进一步的临床前开发.
• 这项研究为合理设计针对等离子素的新型抗疟疾疗法提供了基础.