早期抗疟疾药物发现的 In Silico 方法:虚拟多菌株抗原抑制剂的 De Novo 设计

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 寄生虫学的寄生虫学

背景情况:

• 疟疾是由Plasmodium falciparum引起的,每年造成数百万受影响和数十万死亡的全球健康负担很大.
• 现有的抗疟疾药物因中度至严重的不良反应和药物耐药性增加而面临挑战,需要新的治疗策略.
• In silico方法为加速识别和设计具有广泛抗疟疾活性的新分子提供了一个有希望的途径.

研究的目的:

• 开发和验证用于预测和设计新型抗疟疾药物候选者的统一计算方法.
• 用机器学习模型和基于碎片的设计来识别具有抗等离子体活性的分子碎片.
• 为了产生新的类似药物的分子,预计具有针对多种Plasmodium falciparum菌株的多功能抗等离子体活性.

主要方法:

• 基于多层感知子网络 (PTML-MLP) 的扰动理论机器学习模型被用于预测抗等离子体活动.
• 基于碎片的拓设计 (FBTD) 方法被用来解释PTML-MLP模型并提取关键的分子碎片.
• 通过结合已识别的碎片来设计新的类似药物的分子,以物理化学和结构洞察为指导.

主要成果:

• 该PTML-MLP模型实现了超过85%的预测准确度.
• FBTD方法成功阐明了PTML-MLP模型,使得相关分子碎片的提取成为可能.
• 新型类似药物的分子被设计并预测会表现出多菌株抗等离子体抑制活性.

结论:

• 结合PTML建模和FBTD方法是早期抗疟疾药物发现的强大工具.
• 设计的分子代表了针对Plasmodium falciparum的合成和随后的生物评估的有希望的候选人.
• 这种计算策略为抗微生物研究和新疗法开发开辟了新的途径.