机器学习方法识别潜在的登革热病毒蛋白酶抑制剂:一个计算视角
Jameel M Abduljalil1, Abdo A Elfiky2
1School of Life and Environmental Sciences, Faculty of Science, The University of Sydney, Sydney, New South Wales 2006, Australia.
The journal of physical chemistry. B
|November 1, 2024
概括
研究人员使用机器学习来选32,000种潜在的登革热病毒 (DENV) 蛋白酶抑制剂. 作为一种非共价抑制剂,Comp530显示出有前途的表现,为进一步的药物开发提供了机会.
科学领域:
- 病毒学 病毒学
- 药物发现 药物发现 药物发现
- 计算化学的计算化学
背景情况:
- 登革热病毒 (DENV) 构成了严重的全球健康威胁,原因是它日益流行,缺乏已批准的抗病毒治疗方法.
- DENV NS3 / NS2B 血清蛋白酶对于病毒复制至关重要,使其成为抗病毒药物开发的关键目标.
研究的目的:
- 通过机器学习和虚拟查,识别DENVNS3/NS2B血清蛋白酶的新型抑制剂.
- 评估已识别的抑制剂候选者的类似药物特性和结合潜力.
主要方法:
- 使用GNINA.使用32,000个化合物的基于结构的虚拟选.
- 评估ADMET的特性 (吸收,分布,新陈代谢,分泌,毒性).
- 分子动力学模拟和MM/GBSA计算以确定结合的自由能量.
主要成果:
- 机器学习模型成功地选了大量的潜在蛋白酶抑制剂库.
- 康普530证明了与DENV蛋白酶结合的潜力,作为一种非共价抑制剂.
- 已识别的化合物提供了化学修饰的场所,以提高选择性和特异性.
结论:
- 机器学习和计算方法可以有效地识别DENV的潜在抗病毒药物候选者.
- Comp530是开发新型登革热抗病毒疗法的有希望的化合物.
- 对已识别的化合物的进一步优化可能会导致有效的共价或非共价抑制剂.
