识别潜在的VEGFR2的强效抑制剂:基于图形神经网络的虚拟查和体外研究

科学领域:

• 药理学和药物发现
• 计算化学计算化学
• 在瘤学瘤学.

背景情况:

• 血管内皮生长因子受体2 (VEGFR2) 是癌症治疗的关键标,因为它在瘤生长中的作用.
• 传统中医药 (TCM) 和天然产品表现出强大的抗癌特性,潜在的副作用比现有的抑制剂少.
• 在癌症治疗中,需要新型,有效和更安全的VEGFR2抑制剂.

研究的目的:

• 从中医药单体数据库中开发一种选VEGFR2抑制剂的新策略.
• 为了确定潜在的抗癌药物候选者,具有优越的疗效和降低的毒性.
• 为了验证所选化合物的抑制活性和结合稳定性,针对VEGFR2.

主要方法:

• 利用人工智能 (AI) 深度学习和基于结构的药物设计的组合进行虚拟查.
• 采用图形神经网络作为预测模型来评估TCM单体数据库中的分子活动.
• 进行了激酶抑制测定,分子对接和分子动力学模拟,以评估化合物的疗效和结合.

主要成果:

• 查发现了来自中国医学数据库的六种候选化合物.
• 在选定的三种化合物中,三种化合物显著抑制了VEGFR2激酶活性.
• 分子模拟证实了这三种化合物的稳定结合VEGFR2.

结论:

• 传统中医药中的三种化合物有效抑制了VEGFR2.
• 这些化合物代表了新型癌症治疗的有希望的候选人.
• 综合的人工智能和基于结构的药物设计方法对于发现基于天然产品的药物线索是有效的.