用mol2vec技术和机器学习算法对β-分泌酶抑制化合物的增强预测
N T Hang1, N D Duy1, T D H Anh1
1Department of Pharmacognosy, Faculty of Pharmacognosy and Traditional Medicine, Hanoi University of Pharmacy, Hanoi, Vietnam.
SAR and QSAR in environmental research
|December 20, 2024
概括
计算方法确定了β-分泌酶1 (BACE-1) 的新型抑制剂,这是阿尔茨海默病的关键标. 发现了七种有前途的化合物,其中两种药物候选药物具有显著的潜力,需要进一步的实验验证.
科学领域:
- 计算化学和药物发现
- 药品化学和药理学 药品化学和药理学
- 神经科学和神经退行性疾病
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,其特征是粉样β斑块和神经纤维状结.
- β-分泌酶1 (BACE-1) 在粉样β-生成中起着至关重要的作用,使其成为阿尔茨海默病的重要治疗点.
- 开发有效的BACE-1抑制剂对于缓解AD进展至关重要.
研究的目的:
- 使用多面计算方法发现β-分泌酶1 (BACE-1) 的新型,强效抑制剂.
- 建立和验证可靠的定量结构-活性关系 (QSAR) 模型,用于预测BACE-1抑制活性.
- 通过in silico查来确定阿尔茨海默病治疗的有前途的候选药物.
主要方法:
- 使用mol2vec描述符和支持向量回归的定量结构-活动关系 (QSAR) 建模.
- 分子对接模拟以评估与BACE-1的结合亲和力和相互作用.
- 吸收,分布,新陈代谢,分泌和毒性 (ADMET) 分析用于药物相似性预测.
- 分子动力学模拟以进一步评估潜在抑制剂的稳定性和行为.
主要成果:
- 开发了一个强大的QSAR模型,具有很高的预测准确度 (训练组R2=0.790,测试组R2=0.705).
- 七种化合物被确定为潜在的BACE-1抑制剂,预测pIC50值高达1.993和约束能量低至-10.8千卡/mol.
- 化合物ZINC96116481和ZINC96113994在分子动力学模拟中显示出有利的ADMET配置文件和稳定性,表明它们作为候选药物的潜力.
结论:
- 综合计算策略有效地识别了强大的BACE-1抑制剂.
- 化合物ZINC96116481和ZINC96113994代表了阿尔茨海默病药物开发的有希望的线索.
- 实验验证对于确认这些计算识别化合物的治疗潜力至关重要.
