一种半经验和机器学习方法,用于对非酸盐HDAC3抑制剂的基于碎片的结构分析
Sk Abdul Amin1, Lucia Sessa2, Rajdip Tarafdar3
1Department of Pharmacy, University of Salerno, Via Giovanni Paolo II 132, 84084 Fisciano, SA, Italy; Department of Pharmaceutical Technology, JIS University, 81, Nilgunj Road, Agarpara, Kolkata, West Bengal 700109, India.
Biophysical chemistry
|February 20, 2025
概括
非酸盐HDAC3抑制剂为传统药物提供了更安全的替代品. 这项研究探讨了它们的化学空间,并确定了设计非变异性HDAC3抑制剂的关键结构碎片.
科学领域:
- 药用化学 医学化学
- 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:
- 在癌症治疗之外,人们对HDAC3抑制剂 (HDAC3i) 的兴趣越来越大.
- 担心传统的基于酸盐的HDAC3i.i.的突变性.
- 需要使用非酸结合组 (ZBGs) 的非变异性替代品.
研究的目的:
- 研究非酸盐ZBGs对HDAC3抑制的量子化学特性.
- 开发非酸盐HDAC3i活动的预测模型.
- 确定影响HDAC3抑制活性的结构碎片.
主要方法:
- 对于结合的半经验量子化学计算 (AM-1).
- 对定量结构-活动关系 (QSARs) 的监督机器学习模型.
- 基于碎片的分析,分子对接,MD模拟和FEL分析.
主要成果:
- 对非酸盐ZBGs的AM-1参数的表征.
- 开发基于分类的QSAR来识别活性碎片.
- 通过对接和分子动力学验证已识别的碎片的重要性.
结论:
- 对非酸盐HDAC3i结构变化的全面分析.
- 为设计新型非变异性HDAC3抑制剂提供了洞察力.
- 突出了特定的亚结构碎片在调节活动中的重要性.
