通过机器学习和分子模拟方法发现SARS-CoV-2类似帕帕因的蛋白酶抑制剂
Li Li1, Jinyang Li1, Quanling Zhang1
1School of Pharmacy, Qingdao University, Qingdao, Shandong, China.
Drug discoveries & therapeutics
|June 26, 2025
概括
一个新的机器学习策略确定了SARS-CoV-2类似帕帕因蛋白酶 (PLpro) 的七种强有力的抑制剂,这对于病毒复制至关重要. 两种化合物表现出卓越的活性,推动了COVID-19的抗病毒药物开发.
科学领域:
- 病毒学 病毒学
- 药物发现 药物发现 药物发现
- 计算化学计算化学
背景情况:
- 严重急性呼吸道综合征冠状病毒2 (SARS-CoV-2) 帕帕因样蛋白酶 (PLpro) 对于病毒复制和免疫逃避至关重要.
- 向PLpro是一种有前途的治疗策略,但目前还没有批准任何特定药物.
- 现有的药物查方法需要改进,以确定有效的PLpro抑制剂.
研究的目的:
- 开发一种有效的化合物查策略,用于识别新型SARS-CoV-2 PLpro 抑制剂.
- 使用计算方法发现针对PLpro的强效抗病毒化合物.
- 为设计下一代PLpro抑制剂提供见解.
主要方法:
- 监督机器学习用于化合物选.
- 分子对接和动力学模拟.
- 量子化学计算 量子化学计算
主要成果:
- 鉴定出了7种具有针对SARS-CoV-2PLpro强烈抑制活性的化合物.
- 与目前最好的抑制剂 (Jun12682) 相比,两种新型化合物表现出优异的抑制活性.
- 确定了SARS-CoV-2 PLpro中涉及抑制剂结合的关键残留物.
结论:
- 开发的机器学习策略对PLpro抑制剂查非常有效.
- 这些已识别的化合物代表了针对SARS-CoV-2的抗病毒药物开发的有希望的候选者.
- 了解关键的结合残留物将有助于设计更强效和选择性的抑制剂.
