剖析BIL719对PI3Kα向PI3Kα的类型的相互作用指纹和结合亲和力
Sepehr Dehghani-Ghahnaviyeh1, Cihan Soylu1, Pascal Furet2
1Novartis Institutes for BioMedical Research, 181 Massachusetts Avenue, Cambridge, Massachusetts 02139, United States.
The journal of physical chemistry. B
|February 19, 2024
概括
这项研究使用计算方法分析PI3Kα抑制剂,如BYL719.9. 分子模拟和机器学习有助于预测结合亲缘关系,揭示了药物设计的关键相互作用.
科学领域:
- 生物化学 生物化学
- 药理学 药理学是指药理学的学科.
- 计算化学的计算化学
背景情况:
- 酸-3-酶α (PI3Kα) 对于涉及人类癌症的细胞增殖途径至关重要.
- BYL719 (Alpelicib) 是FDA批准的针对特定乳腺癌的PI3Kα抑制剂,使用基于结构的药物设计开发.
- 使用结构动力学和能量学的PI3Kα抑制剂的进一步表征可以增强未来的药物发现计划.
研究的目的:
- 使用in-silico技术,包括分子模拟和机器学习,以表征14个BYL719类型.
- 为了预测这些配体与PI3Kα的结合亲和力.
- 为了获得有关联体结合和功能的驱动因素的结构性见解.
主要方法:
- 利用分子模拟来分析PI3Kα-配体相互作用的结构动态.
- 应用机器学习算法用于结合亲和力预测.
- 采用热力学集成 (TI) 和对接方法来进行计算亲和力预测.
主要成果:
- 分子模拟确定了对稳定性至关重要的联结-链相互作用,二烯/二烯的R组定位在C2/C6也显著影响了结合.
- 热力学集成预测的结合亲和度与报告的IC50值相对应得很好.
- 快速的高通量选方法有效地将化合物分类为活性或非活性,其中一种对接方法实现了与TI相似的准确性.
结论:
- 包括分子动力学和机器学习在内的in-silico方法对于表征PI3Kα抑制剂和预测结合亲缘关系非常有价值.
- 带链相互作用和特定的R组定位是PI3Kα抑制剂功率的关键决定因素.
- 虽然像TI这样的计算密集型方法提供了准确的预测,但更快的高吞吐量技术可以成为化合物分类和药物发现程序中的初始查的有效替代方案.
