未来的虚拟查与生物分子模拟相结合,可识别KRAS药物标新抑制剂
Amar Ajmal1, Hind A Alkhatabi2, Roaa M Alreemi2
1Department of Biochemistry, Abdul Wali Khan University Mardan, Mardan, 23200, Pakistan.
BMC chemistry
|March 26, 2024
概括
机器学习发现了KRAS G12C肺癌的新型抑制剂. 这些新化合物在预防KRAS相关的肺癌方面表现有前途,提供了潜在的新疗法.
科学领域:
- 在瘤学瘤学.
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- KRAS G12C突变驱动12-14%的非小细胞肺癌,历史上被认为是无法治疗的.
- 新兴的向疗法,如索托拉西布和阿达格拉西布,面临药物耐药性挑战.
研究的目的:
- 通过基于机器学习的虚拟查来识别针对KRAS G12C突变的新型抑制剂.
- 验证计算模型并评估新发现化合物的结合潜力.
主要方法:
- 开发和验证了机器学习模型 (随机森林,k-NN,高斯天真贝叶斯,SVM).
- 对多个数据库 (ZINC15,内部,植物化学品) 的虚拟选使用表现最好的随机森林模型进行.
- 用分子对接,分子动力学模拟和结合能量的计算来评估顶级候选人.
主要成果:
- 随机森林模型在预测KRAS G12C抑制剂方面表现出卓越的性能.
- 与标准药物相比,发现了四种新型化合物,其稳定性和结合亲和性得到了增强.
- 这些成功结果显示了抑制KRAS G12C的显著潜力.
结论:
- 机器学习和计算方法可以加速发现向癌症治疗方法.
- 已确定的新型抑制剂代表了预防KRAS相关肺癌的有希望的候选者.
- 这项研究为未来针对KRAS G12C的药物开发提供了宝贵的资源.
