基于机器学习的虚拟查和分子建模研究,用于识别丁胆酶抑制剂作为抗阿尔茨海默病剂

科学领域:

• 生物化学 生物化学
• 神经科学是一个神经科学.
• 计算化学计算化学

背景情况:

• 丁胆酶 (BChE) 是一种血液酶,与阿尔茨海默氏病的进展有关.
• 晚期阿尔茨海默氏症中BChE水平升高表明它有可能成为治疗点.
• 抑制BChE可能为管理痴呆症晚期阶段提供好处.

研究的目的:

• 开发和使用机器学习 (ML) 模型来识别新型BChE抑制剂.
• 使用分子性质过器选和过潜在的BChE抑制剂.
• 通过分子对接和分子动力学 (MD) 模拟来验证识别的化合物.

主要方法:

• 开发基于支持矢量机器的ML模型,以预测BCHE抑制活性.
• 应用分子性质过器来完善潜在抑制剂的清单.
• 使用分子对接和MD模拟来评估联结蛋白相互作用和稳定性.

主要成果:

• ML模型确定了3291种化合物,预测IC50值低于200nM.
• 对接研究显示,与化合物ART13069594 (-9.62 kcal/mol),ART17350769 (-9.26 kcal/mol) 和LEG19710163 (-8.93 kcal/mol) 的结合亲和力很强.
• MD模拟表明,选择的配体和BCHE之间形成稳定的复合物,与标准抑制剂相比.

结论:

• 该研究成功地使用ML和分子建模的组合识别了潜在的BCHE抑制剂.
• 经过验证的化合物显示出对阿尔茨海默氏症治疗开发的前景.
• 这些发现支持针对BChE用于管理晚期痴呆症的战略.