针对BCL2的小分子的虚拟选使用机器学习,分子对接和MD模拟

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 生物信息学是一种生物信息学.

背景情况:

• BCL-2蛋白在亡中起着至关重要的作用,是癌症治疗的目标.
• 识别BCL-2的小分子抑制剂对于开发新型抗癌药物至关重要.

研究的目的:

• 选一个大型的小分子图书馆,寻找潜在的BCL-2抑制剂.
• 利用机器学习算法和分子模拟来有效地发现药物.

主要方法:

• 采用深度神经网络 (DNN) 和随机森林 (RF) 算法进行初始选.
• 利用与Vina的分子对接来评估结合亲和力.
• 进行分子动力学 (MD) 模拟以验证化合物的稳定性和结合性.

主要成果:

• 射频模型确定了61%的选分子是潜在的活性分子.
• 确定了三个最高得分的化合物:CHEMBL3940231,CHEMBL3938023和CHEMBL3947358,其对接分数为-11,-10.9和-10.8卡路里/毫升.
• MD模拟证实了这些化合物与BCL2蛋白的稳定性和结合亲和力.

结论:

• 该研究成功地确定了BCL-2的有希望的小分子抑制剂.
• 人工智能和分子模拟的结合为药物发现提供了有效的策略.
• 这些已识别的化合物需要进一步研究对抗BCL-2相关疾病的治疗潜力.