探索SGLT2抑制剂的新型支架:来自机器学习和分子动力学模拟的见解
Yuandong Yu1, Yuting Xia1, Guizhao Liang1
1Key Laboratory of Biorheological Science and Technology, Ministry of Education, Bioengineering College, Chongqing University, Chongqing 400044, China.
International journal of biological macromolecules
|February 25, 2024
概括
机器学习和分子动力学揭示了驱动-葡萄糖共运输体2 (SGLT2) 抑制剂活性的主要分子碎片. 这增强了对SGLT2抑制剂结合的理解,用于开发糖尿病和心力衰竭的新疗法.
科学领域:
- 生物化学 生物化学
- 计算化学计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- -葡萄糖共运输体2 (SGLT2) 是2型糖尿病和心力衰竭治疗的关键标.
- 在SGLT2抑制剂的开发中,C-糖化抑制剂占据了突出地位.
- 在SGLT2结合部位内的精确药需要进一步阐明.
研究的目的:
- 为了澄清SGLT2结合部位内的药.
- 了解SGLT2抑制剂的结合机制.
- 为发现新型SGLT2抑制剂支架提供一个框架.
主要方法:
- 在1240个SGLT2抑制剂上训练的机器学习模型.
- 采用SGLT2抑制剂复合物的分子动力学模拟.
- 应用了SHapley添加剂扩张 (SHAP) 进行碎片重要性分析.
主要成果:
- 确定了关键的抑制剂片段 (摩根_3,162,310,325,366,470,597,714,926,975),这些片段有助于SGLT2活性.
- 在SGLT2结合部位内确定了关键的残留相互作用 (Asn-75,His-80,Val-95,Phe-98,Val-157,Leu-274,Phe-453).
- 计算的有约束力的自由能量和每余量贡献.
结论:
- 更好地了解SGLT2抑制剂结合机制.
- 为评估和发现新型SGLT2抑制剂提供了强大的计算框架.
- 有助于设计更有效的SGLT2向治疗方法.
