通过机器学习引导的虚拟查和生物评估发现了新的ULK1抑制剂
Miao-Miao Kong1,2, Tao Wei3, Bo Liu4
1The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, Zhejiang, 325035, China.
Future medicinal chemistry
|August 15, 2024
概括
这项研究开发了一种人工智能模型,用于识别ULK1抑制剂. 机器学习模型的表现优于深度学习,产生了具有微分子活性的三个有前途的ULK1抑制化合物.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 生物化学 生物化学
背景情况:
- ULK1 (Unc-51类似于自活化激酶1) 是自的一个关键调节器.
- ULK1的失调与各种疾病有关,包括癌症和神经退行性疾病.
- 用小分子准ULK1是一个有前途的治疗策略.
研究的目的:
- 开发和验证基于人工智能的虚拟查模型,用于识别新型ULK1抑制剂.
- 选大量的化合物库,以发现潜在的ULK1抑制剂.
- 研究已识别的ULK1抑制剂的结合机制.
主要方法:
- 开发用于虚拟选的机器学习和深度学习分类模型.
- 分子对接和生物评估的整合,用于命中识别.
- 应用分子动力学模拟来阐明结合相互作用.
主要成果:
- 与深度学习模型相比,机器学习模型表现出更高的性能,这可能是由于训练数据有限.
- 纯粹的贝叶斯模型在测试的模型中取得了最佳的预测性能.
- 虚拟选确定了三种微分子范围内的IC50值的化合物,这些化合物对ULK1.1具有有利的结合.
结论:
- 建立了一个高效的AI驱动的ULK1抑制剂虚拟查工作流程.
- 发现了三种新的,强大的ULK1抑制剂.
- 这些发现为进一步研究和开发ULK1向治疗方法提供了宝贵的资源.
