基于机器学习的综合虚拟查和生物评估,用于识别潜在的抗甲素K抑制剂
Shahid Parwez1,2, Animesh Chaurasia1,2, Pinaki Parsad Mahapatra1,2
1Biochemistry and Structural Biology Division, CSIR-Central Drug Research Institute, Sector 10, Jankipuram Extension, Sitapur Road, Lucknow, 226031, India.
Molecular diversity
|April 25, 2024
概括
研究人员发现了新型化合物,可以抑制甲素K,这是骨质疏松症治疗的关键标. 五种化合物显示出显著的Cathepsin K抑制,其中三种显示出有前途的抗骨质疏松症潜力和有利的类似药物的特性.
科学领域:
- 生物化学 生化学
- 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:
- 甲素K是骨质细胞中一种囊蛋白酶,对骨再吸收至关重要.
- 其缺乏与骨质细胞功能抑制有关,使其成为骨质疏松症治疗的首要目标.
研究的目的:
- 为了识别针对K. cathepsin的新型抗骨质疏松症药物.
- 评估机器学习和基于深度学习的虚拟查在药物发现中的有效性.
主要方法:
- 使用机器学习和深度学习模型进行比较的虚拟选.
- 对入围名单中的化合物的生物评估与Cathepsin K.相比.
- 分子对接,分子动力学 (MD) 模拟和MM/PBSA分析.
- 对潜在的候选药物的ADMET特性进行评估.
主要成果:
- 五种化合物 (JFD02945,JFD02944,RJC01981,KM08968,SB01934) 在0.1μM时表现出超过50%的Cathepsin K抑制.
- 分子模拟证实了这些化合物与Cathepsin K.之间的稳定和有效相互作用.
- 化合物RJC01981,KM08968和SB01934表现出有希望的抗骨质疏松性质,具有有利的预测ADMET概况.
结论:
- 通过集成的计算和实验方法确定了针对Cathepsin K的新化合物.
- 已识别的化合物,特别是RJC01981,KM08968和SB01934,是骨质疏松症管理的有希望的候选物.
- 这项研究强调了将机器学习,深度学习和生物物理方法相结合的有效性,以加速药物发现.
