使用基于深度学习的方法发现了新的GluN1/GluN3ANMDA受体抑制剂
Shi-Hang Wang1,2, Yue Zeng3,4,5, Hao Yang1,2
1Shanghai Institute for Advanced Immunochemical Studies, ShanghaiTech University, Shanghai, 201210, China.
Acta pharmacologica Sinica
|May 12, 2025
概括
我们使用人工智能发现了GM-10,一种针对GluN1/GluN3A受体的新候选药物. 这种新型抑制剂是使用脚手架跳跃发现的,这是一种寻找具有类似活性但结构不同的药物的方法.
科学领域:
- 药物发现 药物发现 药物发现
- 计算化学计算化学
- 神经科学是一个神经科学.
背景情况:
- 基于干的药物发现依赖于查的分子相似性.
- 基架跳跃对于识别具有不同化学结构但具有相似生物活性的新兴抑制剂至关重要.
研究的目的:
- 应用一个深度学习框架,GeminiMol,用于基于联体的虚拟选.
- 通过脚手架跳跃识别GluN1/GluN3A受体的新型抑制剂.
主要方法:
- 使用GeminiMol,这是一个集成生物活性构造信息的深度学习模型.
- 在一个拥有1800万册的图书馆中进行虚拟选.
- 使用全细胞补丁电生理学验证的抑制活性.
主要成果:
- 发现了GM-10,它是GluN1/GluN3A受体的强烈抑制剂 (IC50 = 0.98 ± 0.13μM).
- 转基因-10具有一种新的支架,与已知的抑制剂不同.
- 显示了中度的选择性,IC50值为GluN1/GluN2A的3.89 ± 0.79 μM,GluN1/GluN3B的1.03 ± 0.21 μM.
结论:
- 像GeminiMol一样,人工智能驱动的分子表示有效地促进了脚手架跳跃.
- 这种方法增强了基于相似性的虚拟查,用于识别新药候选药物.
- 需要进一步优化GM-10以提高治疗应用的选择性.
更多相关视频
07:16Methods for the Discovery of Novel Compounds Modulating a Gamma-Aminobutyric Acid Receptor Type A Neurotransmission
Published on: August 16, 2018
13.5K
09:49Combined Optogenetic and Freeze-fracture Replica Immunolabeling to Examine Input-specific Arrangement of Glutamate Receptors in the Mouse Amygdala
Published on: April 15, 2016
11.0K
