经批准的药物成功地根据机器学习预测对Leishmania进行了重新使用

科学领域:

• 寄生虫学的寄生虫学
• 药物发现 药物发现 药物发现
• 计算生物学 计算生物学

背景情况:

• 药物再利用提供了一种具有成本效益的战略,用于发现像莱什曼病这样的被忽视的热带疾病的新疗法.
• 之前的工作建立了一个机器学习管道,以识别FDA批准的药物具有潜在的antileishmanial活动.
• 本研究重点是通过这种计算方法预测的十种候选药物的体外验证.

研究的目的:

• 通过机器学习验证十种FDA批准的药物的体外抗莱什曼疗效.
• 评估这些候选药物的活性,以对抗婴儿莱什曼尼亚和大莱什曼尼亚的前性和前性形式.
• 为了识别新的抗莱什曼尼毒剂,并确认先前预测的化合物.

主要方法:

• 使用MTT测试来评估十种候选药物的活性,以对抗L. infantum和L. major的促性菌.
• 标准的抗莱什曼药物安福特里辛B作为阳性对照.
• 对THP-1衍生的巨细胞进行了细胞毒性评估,并确定了对细胞内巨细胞的活性.

主要成果:

• 在十种测试药物中,有五种药物表现出显著的抗莱什曼疗效.
• 迪布卡因和多佩里显示出强烈的活性 (IC50 ≤8.17μg/mL) 对抗促性质细胞和促性质细胞.
• 阿塞布托洛尔,普里洛卡因和利弗林表现出抗莱什曼的活性,阿塞布托洛尔和普里洛卡因显示出显著的疗效.
• 所有测试的化合物在有效度下对巨细胞无毒.

结论:

• 该研究成功验证了机器学习方法用于对抗Leishmania寄生虫的药物再利用.
• 迪布卡因和多姆佩里证实了它们的抗莱什曼病毒潜力,支持了之前的体内发现.
• 阿塞布托洛尔,普洛卡因和烯成为了新的抗莱什曼尼亚药物候选药物,需要进一步调查.