一个机器学习平台,用于对人类碳酸胺酶抑制剂的异形特异性识别和分析
Lisa Piazza1, Miriana Di Stefano1, Clarissa Poles2,3
1Department of Pharmacy, University of Pisa, 56126 Pisa, Italy.
Pharmaceuticals (Basel, Switzerland)
|July 30, 2025
概括
机器学习准确地预测了人类碳酸无水酶 (hCA) 的选择性抑制剂. 这种方法确定了强大的纳米分子抑制剂,加速了各种疾病的药物发现.
科学领域:
- 生物化学 生化学
- 药用化学 医学化学
- 计算生物学 计算生物学
背景情况:
- 人类碳酸无水酶 (hCA) 是关键的金属酶,涉及许多生理功能.
- 开发异形特异性抑制剂是具有挑战性的,因为hCA异形之间具有很高的结构相似性.
- 选择性hCA抑制为各种疾病提供了治疗潜力.
研究的目的:
- 建立基于机器学习 (ML) 的平台,用于预测异型特异的hCA I,II,IX和XII小分子抑制剂.
- 识别和验证针对性治疗应用的新型选择性抑制剂.
主要方法:
- 整合了四个分子表示与四个ML算法,创建64个优化的分类模型.
- 对大约200万种化合物进行虚拟选,使用每个hCA异型的最佳性能模型.
- 采用SHAP分析,分子对接和分子动力学模拟来获得机械洞察力.
主要成果:
- 通过多步虚拟选和精炼过程确定了12种候选化合物.
- 实验验证证证实了具有明显选择性概况的强烈抑制活性 (纳米到亚微分子范围).
- 发现了抑制剂活性和选择性的关键结构决定因素.
结论:
- 证明了一种集成的ML,化学信息学和实验验证方法的有效性,以加速选择性碳酸酶抑制剂的发现.
- 提供了一个可通用的框架,用于分析酶异型活性和设计向治疗方法.
更多相关视频
07:58Highly Sensitive and Quantitative Detection of Proteins and Their Isoforms by Capillary Isoelectric Focusing Method
Published on: September 19, 2018
6.7K
10:25Monitoring Protein-Ligand Interactions in Human Cells by Real-Time Quantitative In-Cell NMR using a High Cell Density Bioreactor
Published on: March 9, 2021
3.4K
