在单层黑上探索抗病毒药物:原子理论和可解释的机器学习辅助平台
Slimane Laref1, Fouzi Harrou2, Ying Sun2
1Computational Bioscience Research Center (CBRC), King Abdullah University of Science and Technology (KAUST), Thuwal 23955-6900, Saudi Arabia.
International journal of molecular sciences
|May 11, 2024
概括
本研究使用机器学习和模拟来探索抗病毒药物favipiravir (FP) 和ebselen (EB) 与烯结合. 结果显示,一个稳定的二维复合体具有吸附药物的潜力.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 费维皮拉维尔 (FP) 和埃布塞伦 (EB) 是具有广泛功效的抗病毒药物.
- 了解药物物质相互作用对于开发新的抗病毒疗法至关重要.
- 二维材料为潜在应用提供了独特的电子特性.
研究的目的:
- 为了阐明favipiravir和ebselen在色素单层上结合的特性.
- 研究抗病毒酸复合物的相互作用特征和热力学特性.
- 评估这种二维复合物的药物吸附和抗病毒应用的潜力.
主要方法:
- 利用分子动力学 (MD) 模拟和范德瓦尔斯密度函数理论 (DFT).
- 采用了四种机器学习模型 (随机森林,梯度提升,XGBoost,CatBoost) 来训练抗病毒分子在素上的哈密尔顿式.
- 应用SHAP (夏普利添加式解释) 来实现模型的可解释性.
主要成果:
- 准确地阐明了favipiravir和ebselen在色素单层上结合的特性.
- 功能化的二维烯复合体表现出强大的热稳定性.
- 自由能量的变化表明FP和EB分子在不同条件下的吸附潜力.
结论:
- 抗病毒酸复合体表现出显著的热稳定性和药物吸附的潜力.
- 机器学习模型准确地近似用于药物设计的DFT计算.
- 这项研究提供了关于使用二维材料开发新型抗病毒药物输送系统的见解.
