机器学习模型用于识别化合物和替代优化,通过对接和MD模拟来获得酶1的能量和结构稳定性
Anantha Krishnan Dhanabalan1, Velmurugan Devadasan2, Jebiti Haribabu3,4
1Department of Biotechnology, School of Bioengineering, SRM Institute of Science and Technology, Kattankulathur, Tamil Nadu, 603203, India.
Molecular diversity
|October 17, 2024
概括
这项研究使用机器学习和分子模拟确定了潜在的药物碎片,以向化酶 (SphKs). 这些碎片显示出作为治疗癌症和神经退行性疾病的抑制剂的希望.
科学领域:
- 生物化学 生物化学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 斯芬戈氨基激酶 (SphKs) 是关键的酶,参与各种生物过程,如亡和血管生成.
- SphK1是癌症和神经退行性疾病的治疗点.
研究的目的:
- 确定新型的小分子作为潜在的化酶 (SphKs) 抑制剂.
- 为了利用机器学习和分子动力学来发现针对SphK1.1的药物.
主要方法:
- 在395个化合物上使用天真贝叶斯,SVM,后勤回归和随机森林构建了三种分类模型.
- 进行虚拟选和对接,以识别与SphK1.1相互作用的击中碎片.
- 利用分子动力学模拟和结合自由能量计算来验证碎片.
主要成果:
- 确定了五个脚手架撞击碎片与SphK1催化残留的共同键相互作用.
- 根据模拟选择了15个碎片,其中7个显示出相对于同晶体抑制剂相比有利的结合能.
- 验证了已识别的碎片作为SphK1抑制剂的潜力.
结论:
- 鉴定到的碎片代表了开发治疗癌症和神经退行性疾病的有希望的候选人.
- 机器学习和分子动力学是加速发现SphK抑制剂的有效工具.
关键词:
组合化学是一种组合化学.碎片选 碎片选 碎片选国际公共机构 (IFP) 的分析机器学习是机器学习.分子对接是分子对接.分子动力学模拟的模拟.在SVM中,SVM是SVM.这就是SphKs.斯芬戈辛氨基激酶是什么?更多相关视频
08:15Author Spotlight: Network Pharmacology and Molecular Docking to Decipher the Action of Jiawei Shengjiang San Against Diabetic Kidney Disease
Published on: May 10, 2024
505
10:21Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
Published on: February 23, 2024
2.4K
