使用高通量查和机器学习识别SARS-CoV-2 (SCoV-2) Nsp15基于烯胺的共价抑制剂
Teena Bajaj1, Babak Mosavati2,3, Lydia H Zhang4
1Graduate Program of Comparative Biochemistry, University of California, Berkeley Berkeley CA USA bajajtiya@berkeley.edu.
RSC advances
|April 4, 2025
概括
烯胺碎片有效抑制SARS-CoV-2 Nsp15内核酶活性. 一个人工智能模型被开发,以加速发现新的NSP15抑制剂,显示出对抗病毒药物开发的希望.
科学领域:
- 生物化学 生物化学
- 病毒学 病毒学
- 药物发现 药物发现 药物发现
背景情况:
- 非结构性蛋白15 (Nsp15) 是一个重要的SARS-CoV-2内核酶,对于病毒免疫规避至关重要.
- 由于其复杂的结构和广泛的RNA结合表面,开发NSP15抑制剂具有挑战性.
研究的目的:
- 为了确定SARS-CoV-2 Nsp15内啡核糖酶活性的新型抑制剂.
- 探索基于烯胺的化合物作为NSP15抑制剂的潜力.
- 开发一种人工智能模型,以加快Nsp15抑制剂发现中的hit-to-lead过程.
主要方法:
- 对2640化合物的烯胺库进行针对Nsp15.15的选.
- 识别抑制NSP15内核酶活性 (IC50<5μM) 的片段.
- 使用查数据来预测新的抑制剂的AI模型的开发.
主要成果:
- 鉴定出十种烯胺片段,通过与氨酸残留物反应来抑制NSP15活性.
- 已识别的化合物具有有利的类似药物的特性 (低分子量,低logP,没有PINS).
- 人工智能模型在预测基于烯胺的新型NSP15抑制剂方面达到73%的准确性.
结论:
- 烯胺碎片代表了开发SARS-CoV-2 Nsp15抑制剂的有希望的化学类.
- 开发的AI模型有效地加速了潜在药物候选者的识别.
- 这些发现支持NSP15作为抗病毒治疗策略的可行目标.
