机器学习有助于Silico发现和优化针对尼帕病毒糖蛋白的小分子抑制剂
1Medical Laboratory Department, College of Applied Medical Sciences in Yanbu Governorate, Taibah University, Yanbu, 46522, Saudi Arabia. jabdulhakim@taibahu.edu.sa.
Scientific reports
|May 9, 2025
概括
研究人员使用机器学习找到一种潜在的候选药物,化合物138,567,123,用于对抗致命的尼帕病毒 (NiV). 这种in silico方法确定了针对NiV糖蛋白的稳定分子,用于未来的抗病毒开发.
科学领域:
- 病毒学 病毒学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 尼帕病毒 (NiV) 是一种高度致命的病原体,死亡率高,人与人之间的传播,构成严重的全球健康风险.
- 尼维糖蛋白对于病毒进入宿主细胞至关重要,使其成为抗病毒疗法的关键标.
研究的目的:
- 使用in silico方法识别针对尼帕病毒糖蛋白的新型小分子抑制剂.
- 通过计算分析来评估潜在候选药物的疗效和稳定性.
主要方法:
- 使用利宾斯基的五项规则和DeepPurpose机器学习模型选了754种抗病毒化合物.
- 通过分子对接识别顶部化合物,然后使用密度函数理论 (DFT) 和分子动力学 (MD) 模拟进行细化.
- 使用MM/GBSA计算对结合亲和力的评估.
主要成果:
- 333种化合物通过了初步选,其中5种通过分子对接被确定为潜在的抑制剂.
- 化合物138,567,123通过MD模拟证明了卓越的电子稳定性 (DFT能量: -1976.74哈特里,HOMO-LUMO差距: 0.83 eV) 和稳定性.
- 这种化合物表现出最高的对接得分 (-9.7 kcal/mol) 和结合自由能量 (-24.04 kcal/mol),表明其作为抗病毒剂的强大潜力.
结论:
- 化合物138,567,123是尼帕病毒抗病毒药物开发的非常有前途的候选者.
- 机器学习辅助的in silico药物发现是一种有效的策略,用于识别针对新出现的传染病的强有力的抗病毒药物.
