使用机器学习算法重新定位Syk抑制剂 fostamatinib

科学领域:

• 在瘤学瘤学.
• 药理学 药理学是指药理学的学科.
• 人工智能在药物发现中的作用

背景情况:

• TAM (TYRO3,AXL,MERTK) 受体氨酸激酶 (RTK) 参与瘤生长,转移和免疫逃避.
• 过度表达TAMRTK与癌症预后不佳相关.
• 针对个别的TAM RTK,由于补偿反机制,其有效性有限.

研究的目的:

• 通过使用深度学习DTI模型,确定能够抑制所有三种TAMRTK的现有药物.
• 评估药物重定向在癌症治疗中抑制泛TAM的潜力.

主要方法:

• 使用深度学习药物向相互作用 (DTI) 模型,分子变压器-DTI (MT-DTI),进行虚拟查.
• 鉴定了针对TAM RTKs的商用药物的潜在抑制剂.
• 通过使用癌细胞系的体外研究验证的预测.

主要成果:

• 该MT-DTI模型预测了腺氨酸激酶 (Syk) 抑制剂fostamatinib,作为所有三种TAM RTKs (IC50 <1μM) 的强有力的抑制剂.
• 在体外实验证实了fostamatinib通过抑制TAMRTKs来抑制癌细胞增殖的能力.
• 其他Syk抑制剂没有表现出类似的泛TAM抑制活性.

结论:

• 福斯塔马提尼布作为一种新型泛TAM抑制剂,表现出抗癌活性.
• 像MT-DTI这样的人工智能模型对于药物重新定位和识别新的治疗机制是有效的.
• 福斯塔马提尼布在向TAMRTKs的癌症治疗中显示出扩大适应症的潜力.