综合机器学习和分子模拟方法识别了用于神经退行性疾病治疗的GSK3β抑制剂

科学领域:

• 生物化学 生物化学
• 计算化学计算化学
• 神经科学是一个神经科学.

背景情况:

• 神经退行性疾病 (NDD),包括阿尔茨海默氏症和帕金森病,是全球健康面临的重大挑战.
• 糖原合成酶激酶3β (GSK3β) 是一个关键的酶,涉及到NDD的发病.
• 用特定的抑制剂准GSK3β为NDD提供了潜在的治疗途径.

研究的目的:

• 使用集成的in silico方法识别GSK3β的新型植物化学抑制剂.
• 选植物化学品库,以检测潜在的GSK3β抑制活性.
• 评估候选抑制剂的结合亲和力和稳定性.

主要方法:

• 基于机器学习 (ML) 的虚拟选,使用已知的GSK3β抑制剂训练的随机森林模型.
• 分子对接和分子动力学 (MD) 模拟以评估结合相互作用和稳定性.
• MM/GBSA 绑定自由能量计算以量化绑定亲和力.

主要成果:

• 在ML查中,从11,032种植物化学物质中发现了2,898种潜在的GSK3β抑制剂.
• 顶级化合物ZINC136900288,ZINC7267和ZINC519549对GSK3β活性部位表现出强烈的结合.
• ZINC136900288表现出最高的结合亲和力 (-24.86 kcal/mol) 和稳定的复合物形成.

结论:

• 这项研究发现了新的化学支架,具有作为GSK3β抑制剂的潜力.
• ZINC136900288是作为NDD的治疗剂进一步研究的有希望的候选者.
• 需要进行实验验证,以确认已识别的化合物的疗效和安全性.