通过结合机器学习和分子建模方法来确定新型SARS-CoV-2抑制剂
Ersin Güner1, Özgür Özkan2, Gözde Yalcin-Ozkat3,4
1Department of Pharmaceutical Chemistry, Faculty of Pharmacy, Biruni University, 34010 Topkapı, İstanbul, Turkey.
Medicinal chemistry (Shariqah (United Arab Emirates))
|November 14, 2023
概括
这项研究使用深度学习来创建类似于法维皮拉维尔的新药候选者,识别病毒RNA依赖RNA聚合酶 (RdRp) 和3CL蛋白酶的潜在抑制剂.
科学领域:
- 计算化学和药物发现
- 医药化学中的人工智能
- 病毒学和分子生物学.
背景情况:
- 新型抗病毒抑制剂对于对抗病毒感染至关重要.
- 开发类似于Favipiravir的药物提供了一个有前途的战略.
- 计算方法可以加速识别潜在的候选药物.
研究的目的:
- 设计和识别针对病毒RNA依赖RNA聚合酶 (RdRp) 和3CL蛋白酶的新型抑制剂.
- 通过深度学习生成与法维皮拉维尔结构相似的分子.
- 为了评估设计化合物的结合亲和力和药物相似性.
主要方法:
- 使用深度学习 (训练神经网络) 基于简化分子输入线输入系统 (SMILES) 表示生成了75个分子.
- 进行了分子对接研究,以评估产生的分子与RdRp和3CLpro.pro.的结合相互作用.
- 对ChEMBL数据库的相似性搜索确定了具有抑制作用的潜在候选药物.
主要成果:
- 与3CLpro相比,人工智能成功生成了与RdRp结合更好的分子,表明了特异性.
- 一个相似性搜索确定了200个潜在的RdRp和3CLpro抑制剂.
- 七种化合物符合利宾斯基药物相似性规则,其中一种化合物 (ChEMBL ID:1193133) 接受了进一步的分子动态模拟.
结论:
- ChEMBL ID:1193133表现出有利的结合特性,包括在活性部位的稳定性.
- 虽然显示细胞毒性,但这种化合物没有延迟病毒感染,这表明需要进一步优化.
- 该研究强调了AI在发现特定RdRp抑制剂方面的潜力,并建议对各种病毒标测试额外的化合物.
