使用基于MPNN和LSTM的转移学习的线性激素Eg5抑制剂的De novo设计和生物活性预测
Damilola Samuel Bodun1, Isiaka O Ibrahim2, Mujeebat Bashiru3
1Standard Seed Corporation, Smyrna, USA; Covenant University Bioinformatics Research (CUBRe), Covenant University, Ota, Nigeria; ChemoInformatics Academy, Lagos, Nigeria.
Computers in biology and medicine
|June 27, 2025
概括
生成性AI设计了针对Eg5蛋白的新型乳腺癌药物. 最好的化合物显示出优越的结合亲和力,表明了新的癌症治疗的潜力.
科学领域:
- 在瘤学瘤学.
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 乳腺癌是全球主要疾病之一.
- 过度表达Kinesin Eg5蛋白与乳腺癌有关.
- Eg5蛋白是癌症治疗的潜在治疗标.
研究的目的:
- 使用生成性AI设计新型Eg5蛋白抑制剂.
- 为了确定乳腺癌治疗的潜在候选药物.
主要方法:
- 在SMILES数据上训练了一个生成的LSTM模型.
- 用机器学习,分子对接和MD模拟来选化合物.
- MM-GBSA计算评估了具有约束力的自由能量.
主要成果:
- 确定了5种具有高结合亲和力与Eg5的新型化合物.
- 最顶级的化合物,化合物103,表现出更好的结合自由能量 (-82.68 kcal/mol).
- ADMET预测和MD模拟证实了类似药物的特性和有效的目标相互作用.
结论:
- 生成型人工智能可以有效地发现潜在的药物候选者.
- 这些已识别的化合物对乳腺癌治疗有前途.
- 需要进一步进行体外和体内研究.


