针对特定目标的活性发现的高效计算框架:对IL-17C向周期性的案例研究
Zhipeng Wu1, Yejian Wu1, Cheng Zhu1
1Artificial Intelligence Aided Drug Discovery Institute, College of Pharmaceutical Sciences, Zhejiang University of Technology, Hangzhou 310014, China.
Journal of chemical information and modeling
|December 4, 2023
概括
本研究介绍了一个使用条件变异自编码器 (CVAE) 和变压器-CNN分类器 (TCPP) 发现活性的计算框架. 在六种合成的中,有四种表现出有前途的结合性亲和力与介素-17C (IL-17C).
科学领域:
- 计算化学和药物发现
- 类疗法和生物信息学
背景情况:
- 针对性活性的开发对于制药业的增长至关重要.
- 现有的发现方法可能耗时且效率低下.
研究的目的:
- 为发现特定目标活性提供一个高效的计算框架.
- 通过向介质蛋白-17C (IL-17C) 来证明框架的实用性.
主要方法:
- 结合了条件变异自编码器 (CVAE) 用于生成和变压器-CNN分类器 (TCPP) 用于选.
- 采用基于图书馆的体外选择策略,构建一个针对IL-17C的活性循环图书馆.
- 在预处理的数据上训练了CVAE,并使用TCPP过生成的.
主要成果:
- 六个候选被计算预测,随后合成.
- 其中四种合成的酸具有显著的与IL-17C的结合亲和力.
- 该计算框架成功识别了强大的IL-17C抑制剂.
结论:
- 开发的计算框架提供了一个高效的,一站式解决方案,用于特定目标的活性发现.
- 预计这种方法将加速类药物开发管道.
- 这项研究验证了该框架在识别新疗法方面的潜力.
更多相关视频
08:48Development of a Backbone Cyclic Peptide Library as Potential Antiparasitic Therapeutics Using Microwave Irradiation
Published on: January 26, 2016
11.9K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.9K
