查,优化和ADMET评估HCJ007用于胰腺癌治疗,通过积极学习和动态模拟
YunYun Xu1, Qiang Wang2, GaoQiang Xu2
1General Surgery, Cancer Center, Department of Gastrointestinal and Pancreatic Surgery, Zhejiang Provincial People's Hospital (Affiliated People's Hospital), Hangzhou Medical College, Hangzhou, Zhejiang, China.
Frontiers in chemistry
|December 10, 2024
概括
一个新的积极学习模型改善了SQLE抑制剂的虚拟查. 与CMNPD11566相比,化合物HCJ007表现出优越的结合性和安全性,这标志着它是一个有前途的候选药物.
科学领域:
- 药物发现 药物发现 药物发现
- 计算化学计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 烯环氧化酶 (SQLE) 是治疗干预的验证目标.
- 虚拟查方法对于识别新药候选药物至关重要.
- 在虚拟查中提高预测准确性可以加速药物发现管道.
研究的目的:
- 开发和应用一个主动学习模型,以改善SQLE抑制剂的虚拟查.
- 确定具有增强结合亲和力和热力学稳定性的新型化合物来对抗SQLE.
- 评估有前途的候选人的临床前资料,重点关注结合动态和ADMET属性.
主要方法:
- 使用复杂的主动学习模型进行虚拟选.
- 进行分子动力学模拟,以评估结合相互作用和稳定性.
- 对化合物进行了ADMET (吸收,分布,新陈代谢,分泌和毒性) 分析.
- 对CMNPD11566及其衍生品HCJ007.7进行了详细的分析.
主要成果:
- 积极学习模型显著提高了SQLE抑制剂的预测准确性.
- 与CMNPD11566.6.7相比,化合物HCJ007表现出与SQLE残留物增强的结合稳定性和动态适应性.
- HCJ007表现出优越的ADMET概况,表明毒性较低,与药物相似性更好.
- 与CMNPD11566.6.7相比,HCJ007在药理动力学和安全性参数方面显示出显著的改善.
结论:
- HCJ007是SQLE抑制的非常有前途的候选者,其表现优于CMNPD11566.
- 这项研究验证了主动学习模型在计算药物发现中的有效性.
- 全面的临床前评估对于推进候选药物至关重要.
更多相关视频
06:57Utilizing High Resolution Ultrasound to Monitor Tumor Onset and Growth in Genetically Engineered Pancreatic Cancer Models
Published on: April 7, 2018
10.7K
07:03Discovery of Metastatic Regulators using a Rapid and Quantitative Intravital Chick Chorioallantoic Membrane Model
Published on: February 3, 2021
2.6K
