在KRAS抑制剂中优化血脑屏障的透性:结构受约束的分子生成方法

科学领域:

• 医学化学
• 计算机药物发现
• 神经瘤学

背景情况:

• 基尔斯顿大鼠肉瘤病毒瘤同源蛋白抑制剂对癌症具有前景.
• 血脑屏障 (BBB) 的有限透阻碍了中枢神经系统 (CNS) 恶性瘤的KRAS抑制剂的发展.
• 现有的分子生成模型往往无法充分解决药物开发的复杂生物和化学因素.

研究的目的:

• 为优化化合物开发结构受约束的分子生成工作流程.
• 提高药物的有效性和药物吸收特性,特别是BBB透性 (BBBp).
• 保持对KRAS抑制剂至关重要的高亲和性基层结构.

主要方法:

• 使用一个变化自编码器 (VAE) 生成模型与强化学习集成,用于多目标优化.
• 结合了使用主动学习的专门KRAS BBB预测器和使用比较学习模型的亲和预测器.
• 引入了新的指标:知识整合复制得分 (KIRS) 和综合多样性得分 (CDS) 用于绩效和相关性评估.

主要成果:

• 该工作流成功优化了BBBp,同时保留了KRAS抑制剂的高亲和性基结构.
• 使用KRAS抑制剂AMG510和MRTX849的追溯验证证明了该框架的有效性.
• 这项研究强调了该框架在实际药物开发应用中的潜力.

结论:

• 这种结构受约束的分子生成工作流提供了一种强大的增强化合物的方法.
• 这种方法加快了KRAS抑制剂和其他标药物的开发过程.
• 这一框架具有促进中枢神经系统恶性瘤治疗的巨大潜力.