整合机器学习驱动的虚拟查和分子动力学模拟,以识别针对前列腺癌PARP1的潜在抑制剂
Fahad M Aldakheel1, Shatha A Alduraywish2, Khaled H Dabwan3
1Department of Clinical Laboratory Sciences, College of Applied Medical Sciences, King Saud University, 11433, Riyadh, Saudi Arabia. faldakheel@ksu.edu.sa.
Scientific reports
|April 14, 2025
概括
研究人员选了前列腺癌 (PC) 治疗的植物化学物质,确定了潜在的PARP1抑制剂. 机器学习和分子对接确定了有前途的化合物,以便进一步研究.
科学领域:
- 在瘤学瘤学.
- 生物化学 生物化学
- 计算化学计算化学
背景情况:
- 前列腺癌 (PC) 是男性普遍存在的恶性瘤,发病率越来越高.
- 聚 (ADP-ribose) 聚合酶1 (PARP1) 是DNA修复和其他细胞过程中的关键酶,使其成为治疗点.
- 准PARP1为新型前列腺癌治疗提供了一个潜在的策略.
研究的目的:
- 为了确定前列腺癌治疗中PARP1的新型植物化学抑制剂.
- 为药物发现利用机器学习和计算方法.
主要方法:
- 使用机器学习模型,对大量植物化学物质库 (9000种化合物) 进行PARP1抑制的选.
- 进一步选9510种植物化学物质,然后进行Lipinski的五项规则评估.
- 分子对接,分子动力学模拟和MM-PBSA用于评估联体蛋白相互作用.
主要成果:
- 随机森林 (RF) 模型在预测PARP1活动方面表现出高准确性 (0.9489),特异性 (0.9171) 和AUC (0.9846).
- 预计有181种化合物是活性化合物,其中40种符合Lipinski的标准.
- 化合物ZINC2356684563,ZINC2356558598,ZINC14584870和ZINC43120769与PARP1活性部位表现出强大的结合亲和力和稳定的相互作用.
结论:
- 已识别的植物化学物质具有作为治疗剂的潜力,在前列腺癌中准PARP1.
- 这些发现支持这些化合物的进一步实验验证和临床开发.
- 为前列腺癌患者开发创新的治疗方法开辟了新的途径.
更多相关视频
07:48Utilizing Functional Genomics Screening to Identify Potentially Novel Drug Targets in Cancer Cell Spheroid Cultures
Published on: December 26, 2016
11.2K
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
4.9K
