在MIEC-SVM模型的基础上发现了一种强大的新架构雄激素受体抗剂

科学领域:

• 在瘤学瘤学.
• 药用化学 医学化学
• 计算生物学 计算生物学

背景情况:

• 前列腺癌 (PCa) 是男性的主要全球恶性瘤.
• 雄激素受体 (AR) 信号传递是PCa发展和进展的关键驱动因素.
• 抗逆转基因抗体是已知的疗法,但需要新的药物.

研究的目的:

• 使用机器学习方法识别新型雄激素受体 (AR) 抗剂.
• 在临床前模型中评估新发现的AR抗剂的疗效和特异性.

主要方法:

• 开发和应用一个机器学习MIEC-SVM模型用于虚拟选.
• 51个候选化合物的选择和生物活性评估.
• 使用LNCaP细胞进行AR转录功能,核转位,细胞循环进展和抗增殖/抗转移活性的体外评估.

主要成果:

• 鉴定了一种新型基架AR抗剂,被指定为C2,其生物活性与恩扎胺 (Enz) 相似.
• C2证明了AR转录功能 (IC50 = 0.63μM) 和核转位的强烈抑制.
• 在LNCaP细胞中观察到显著的抗增殖和抗转移作用,C2在较低剂量的细胞循环阻塞中表现优于Enz,并显示出优异的AR特异性.

结论:

• 在发现新型AR抗剂方面,MIEC-SVM模型非常有效.
• 化合物C2代表了一个有前途的新支架,用于开发针对前列腺癌的AR疗法.
• 对于C2在晚期前列腺癌治疗中的潜力,需要进一步研究.