使用基于mol2vec分子描述器的QSAR,分子对接,ADMET研究和分子动力学模拟来识别潜在的FAK抑制剂

科学领域:

• 计算化学和药物发现
• 药品化学和药理学 药品化学和药理学

背景情况:

• 焦粘合激酶 (FAK) 是各种疾病的关键点,需要开发新型抑制剂.
• 现有的FAK抑制剂需要进一步优化,以提高疗效和类似药物的特性.

研究的目的:

• 为了识别和计算验证新的焦粘附激酶 (FAK) 抑制剂.
• 开发可靠的定量结构-活性关系 (QSAR) 模型来预测FAK抑制活性.
• 评估潜在的FAK抑制剂候选者的药物相似性和稳定性.

主要方法:

• 使用机器学习算法开发基于mol2vec描述器的QSAR模型.
• 分子对接模拟以评估与FAK的结合亲和和和相互作用.
• 吸收,分布,新陈代谢,分泌和毒性 (ADMET) 研究和分子动力学模拟.

主要成果:

• 一个基于支持向量的回归的QSAR模型显示出强大的预测性能 (R2train=0.813,R2test=0.729).
• 化合物21 (ZINC000004523722) 成为最有前途的候选物,预测逻辑IC50为2.59,结合能量为-9.3 kcal/mol.
• 分子动力学和ADMET研究支持21化合物作为可行的药物候选物的潜力.

结论:

• 综合计算方法成功识别了一个强大的FAK抑制剂,化合物21.
• 开发的QSAR模型可靠地预测FAK抑制活性.
• 建议进行进一步的体外和体内研究,以实验验证21号化合物的计算结果.