通过计算结构生物学方法验证的EGFR抑制剂的监督查
Aamir Mehmood1, Daixi Li2, Jiayi Li1
1State Key Laboratory of Microbial Metabolism, Joint International Research Laboratory of Metabolic & Developmental Sciences and School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai 200030, P. R. China.
ACS medicinal chemistry letters
|December 18, 2024
概括
这项研究使用多组学和机器学习确定了针对乳腺癌 (BC) 过度表达EGFR的新型化合物. 这些潜在的新药物显示出更有效的BC治疗的希望.
科学领域:
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 人类表皮生长因子受体 (EGFR) 的过度表达是乳腺癌 (BC) 扩散的关键驱动因素.
- 向EGFR为乳腺癌治疗提供了重要的治疗机会.
研究的目的:
- 通过向EGFR来确定乳腺癌的新疗法化合物.
- 为药物发现利用多态数据和机器学习.
主要方法:
- 综合了CCLE,GDSC和scRNA-seq的多组学数据,以确定EGFR作为标和阿法替尼作为参考药物.
- 使用机器学习模型 (SVM,ANN,RF) 训练使用ChEMBL数据进行药物样化合物查.
- 进行计算结构生物学评估,以评估候选化合物的分子相互作用和动态.
主要成果:
- 阿法替尼比BC细胞系显示出优异的IC50值.
- 机器学习模型成功地分类了与afatinib具有类似活性的化合物.
- 四种化合物 (ChEMBL233324,ChEMBL233325,ChEMBL234580,ChEMBL372692) 显示出强大的EGFR抑制作用.
结论:
- 确定了四种具有巨大的潜力作为乳腺癌治疗药物的新化合物.
- 这些化合物对EGFR具有强大的抑制作用,为BC治疗提供了新的途径.
- 该研究强调了整合多组学和机器学习在乳腺癌药物发现中的有效性.


