从深度学习到发现有希望的VEGFR-2抑制剂

科学领域:

• 药用化学 医学化学
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 血管内皮生长因子受体2 (VEGFR-2) 对瘤血管生成,生长和转移至关重要.
• 现有的VEGFR-2抑制剂有副作用,需要寻找新的治疗方法.

研究的目的:

• 使用计算和实验方法的组合,识别新型和有效的VEGFR-2抑制剂.
• 评估已识别的化合物的抗扩散性和毒性概况.

主要方法:

• 开发一个深度学习分类模型来选内部化学库.
• 分子对接用于评估入围化合物的与VEGFR-2的结合亲和力.
• 针对MCF-7乳腺癌细胞的体外抗增殖测定和针对WI-38细胞的毒性评估.

主要成果:

• 两种化合物,RHE-334和EA-11,被确定为强大的VEGFR-2抑制剂.
• RHE-334和EA-11对MCF-7细胞具有显著的抗增殖活性,其IC50值分别为26.78±4.02μM和38.73±3.84μM.
• RHE-334显示VEGFR-2抑制与伊马替尼比相当.

结论:

• 集成的工作流可以有效地识别潜在的VEGFR-2抑制剂.
• 这种方法可以适应其他药物发现和药物化学目标.
• 作为抗癌剂,RHE-334和EA-11是进一步开发的有希望的候选物.