使用基于机器学习的QSAR,分子对接和分子动力学模拟来预测针对登革热病毒NS3蛋白酶的重用药物
Y Chongjun1, A M S Nasr1, M A M Latif1,2
1Department of Chemistry, Faculty of Science, Universiti Putra Malaysia, Serdang, Malaysia.
SAR and QSAR in environmental research
|August 30, 2024
概括
这项研究使用机器学习和分子模拟来发现新的登革热病毒NS3蛋白酶抑制剂. 氨酸B显得有前途,为登革热提供了潜在的新疗法.
科学领域:
- 计算化学和生物信息学
- 药物的发现和开发.
- 病毒学 病毒学
背景情况:
- 登革热是全球重要的健康问题,特别是在东南亚.
- 目前的治疗方法缺乏针对登革热病毒复制的特定抗病毒干预措施.
- NS3蛋白酶是开发登革热治疗药物的关键目标.
研究的目的:
- 使用多方法计算方法发现登革热病毒NS3蛋白酶的潜在抑制剂.
- 确定负责NS3蛋白酶抑制活性的关键分子特征.
- 为了加快新型登革热治疗药物的鉴定.
主要方法:
- 基于机器学习 (ML) 的定量结构-活动关系 (QSAR) 建模.
- 分子对接和分子动力学模拟.
- 使用低方差值,F-Score和递归特征消除 (RFE) 的特征选择.
主要成果:
- 使用SVM-RFE的支持向量机 (SVM) 模型实现了最高的精度 (0.866) 和ROC_AUC (0.964).
- 在SHAP和LIME分析中发现了NS3蛋白酶抑制的显著分子指纹 (例如,ExtFP69,ExtFP362,ExtFP576).
- 氨酸B显示了最高的结合能 (-212 kJ/mol),并与Ser196.6形成了一个关键的键.
结论:
- 综合计算策略有效地识别了潜在的NS3蛋白酶抑制剂.
- 氨酸B是作为登革热治疗药物进一步研究的有希望的候选药物.
- 这种方法可以显著加快新型登革热抗病毒药物的发现.
