整合分子生成和指纹传输,用于单分子治疗药物,向内质网膜应激应力
Yingli Zhu1, Jing Hou1, Xiaorong Tan1
1Xiangya School of Pharmaceutical Sciences, Central South University, Changsha 410083, PR China.
Journal of advanced research
|July 28, 2025
概括
这项研究引入了一种人工智能驱动的方法,用于设计新的超知觉分子,用于精确的内质网膜 (ER) 应激调节和成像. 开发的药物ABT-CN2通过有效准ER压力生物标志物,显示出对癌症治疗的希望.
科学领域:
- 生物化学 生化学
- 分子生物学分子生物学
- 人工智能在药物设计中的应用
背景情况:
- 精确的可视化和调节子细胞结构,如内质网膜 (ER) 对于疾病诊断和治疗至关重要.
- 调节ER压力是癌症等疾病的有希望的策略,但精确的亚细胞向仍然是一个挑战.
- 需要能够在亚细胞水平上准和调节ER压力的超神经药物.
研究的目的:
- 开发一种人工智能驱动的双重定位策略,将被动和活跃的机制结合起来,设计能够平衡ER丰富和精确调制的分子.
- 为了创建针对Grp78,ER压力的关键生物标志物,用于并发成像和调制的多功能治疗学分子.
- 为了实现原子水平的准准确的诊断和治疗.
主要方法:
- 使用基于机器学习 (ML) 的分子指纹传输方法来实现被动ER准.
- 开发了基于深度学习 (DL) 的3D分子生成模型 (PM-1),用于通过特定受体相互作用进行主动准.
- 将关键指纹和光图案集成到PM-1生成的分子中,然后通过模拟和湿实验进行验证.
主要成果:
- 使用ML模型识别了新的ER准规则和关键的被动准指纹.
- 产生了多样化的新分子结构,具有与Grp78.8结合的高亲和力.
- 成功合成了ABT-CN2,一个分子量<400的光剂,强大的准 (皮尔森相关系数=0.93),以及潜在的抗瘤活性 (IC50=53.21μM).
结论:
- 介绍了光分子探测器智能设计的新范式.
- 实现了精确的有机细胞向能力,用于综合诊断和治疗.
- 展示了人工智能的潜力,在开发先进的超神智能药物方面.
