i-DENV:开发基于QSAR的回归模型,用于预测向登革热病毒非结构性 (NS) 蛋白的抑制剂
Sakshi Gautam1, Anamika Thakur1, Manoj Kumar1
1Virology Unit and Bioinformatics Centre, Council of Scientific and Industrial Research (CSIR) - Institute of Microbial Technology, and Academy of Scientific and Innovative Research (AcSIR), Ghaziabad, India.
Frontiers in pharmacology
|July 11, 2025
概括
登革热病毒 (DENV) 药物发现由i-DENV网络服务器推进,识别了像Micafungin和Cangrelor这样的重用药物作为潜在的抗病毒药物. 需要进一步的研究来确认它们对DENV感染的有效性.
科学领域:
- 病毒学 病毒学
- 计算化学的计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 登革热病毒 (DENV) 构成了严重的全球健康威胁,没有有效的抗病毒治疗或通用疫苗.
- 迫切需要针对DENV感染的新型治疗策略.
研究的目的:
- 开发一个网络服务器 (i-DENV) 用于对关键DENV蛋白进行基于结构的药物预测.
- 通过计算查来识别DENV的潜在抗病毒药物候选者.
主要方法:
- 利用机器学习技术 (MLT) 和定量结构-活动关系 (QSAR) 建模.
- 开发了DENV NS3蛋白酶和NS5聚合酶的预测模型,使用SVM,ANN和其他MLT.
- 进行虚拟查和分子对接,以确定有前途的候选药物.
主要成果:
- 在预测模型中实现了高准确度,Pearson相关系数高达0.982.2.
- 识别了包括米卡金,奥里塔万辛,康格洛尔和埃拉瓦环素在内的重用药物作为潜在的DENV抑制剂.
- 通过分子对接确认了已识别的化合物的强大的结合亲和力.
结论:
- 该i-DENV网络服务器为DENV抗病毒药物发现提供了一个有价值的平台.
- 已识别的重用药物显示出作为潜在的DENV治疗方法的希望.
- 需要进一步的体外和体内研究来验证这些发现.


