HDAC3_VS_assistant:通过化学信息学驱动的发现,发现了3种基因组脱乙酶3抑制剂

科学领域:

• 药用化学 医学化学
• 计算化学的计算化学
• 药物发现 药物发现 药物发现

背景情况:

• 基斯脱乙酶3 (HDAC3) 抑制剂对瘤,神经退行性和炎症性疾病具有治疗潜力.
• 开发HDAC3抑制活性和毒性的预测模型对于药物开发至关重要.

研究的目的:

• 开发HDAC3抑制活性和急性毒性强大的定量结构-活性关系 (QSAR) 回归模型.
• 将这些模型集成到一个用户友好的应用程序中,用于虚拟查和抑制剂发现.

主要方法:

• 1751种化合物的HDAC3活性和15068种毒性的精选数据集.
• 采用了分子描述器 (摩根指纹,MACCS-166,Klekota-Roth,PubChem) 和机器学习算法 (随机森林,梯度增强,SVM).
• 使用五倍交叉验证,y随机化和评估适用性域 (AD) 覆盖范围的验证模型.

主要成果:

• 在HDAC3 QSAR模型中,Q2测试高达0.76,RMSE低至0.58.
• 毒性模型在Q2测试中达到0.63和RMSE降至0.41,AD覆盖率>68%.
• 通过使用HDAC3_VS_assistant应用程序进行虚拟查,识别出潜在的HDAC3抑制剂.

结论:

• 开发可靠的QSAR模型来预测HDAC3抑制和毒性.
• 该HDAC3_VS_assistant应用程序促进虚拟查,并有助于识别新型HDAC3抑制剂.
• 分子对接提供了对潜在抑制剂与HDAC3活性部位的结合相互作用的见解.