使用生成性深度学习,虚拟查,分子动力学模拟和非小细胞肺癌治疗的生物评估来识别STAT3酸化抑制剂

科学领域:

• 在瘤学瘤学.
• 药理学 药理学是指药理学的学科.
• 计算化学的计算化学

背景情况:

• 信号转换器和转录3激活器 (STAT3) 是非小细胞肺癌 (NSCLC) 治疗的关键目标.
• 开发有效的STAT3酸化抑制剂对于推进NSCLC治疗策略至关重要.

研究的目的:

• 通过生成式深度学习模型,发现针对NSCLC的新型,强大的STAT3抑制剂.
• 识别和验证具有强大的结合亲和力和治疗潜力的化合物.

主要方法:

• 利用转移学习和虚拟查来构建STAT3抑制剂的生成模型.
• 采用分子对接和分子动力学 (MD) 模拟用于化合物优先级和验证.
• 在细胞模型中评估了STAT3酸化抑制和核转位抑制.

主要成果:

• 创建了一个多样化的潜在STAT3抑制剂库,确定HG110作为一个强大的候选人.
• HG110在Tyr705显著抑制了STAT3酸化,并抑制了核转位.
• MD模拟证实了HG106和HG110的稳定结合形状和有利的相互作用,优于现有的抑制剂.

结论:

• 生成型深度学习加速了选择性STAT3抑制剂的发现.
• 已识别的化合物,特别是HG110,为NSCLC治疗提供了一个有前途的治疗途径.
• 这种方法为开发向癌症治疗提供了一个强大的平台.