在口腔状细胞癌中选棕藻潜在抑制剂的定量结构-活性关系神经网络模型

科学领域:

• 计算化学
• 药物发现
• 癌症学

背景情况:

• 口腔状细胞癌 (OSCC) 是一种普遍存在的头癌,预后不佳.
• 转录因子RelA的过度表达是OSCC进展的一个关键因素.
• 针对RelA是一种潜在的OSCC治疗策略.

研究的目的:

• 确定用于OSCC治疗的新型RelA抑制剂.
• 开发RelA抑制剂的定量结构活性关系 (QSAR) 预测模型.
• 评估棕藻中的天然化合物作为潜在的RelA抑制剂.

主要方法:

• 基于QSAR的人工神经网络 (多层感知器) 模型的开发.
• 对1221种棕藻衍生化合物的RelA抑制活性进行选.
• 分子对接和分子动力学 (MD) 模拟以评估结合亲和力和稳定性.

主要成果:

• 在对活性RelA抑制剂进行分类时,QSAR模型的准确度达到了91. 37% (MCC=0. 89).
• 在1221个查的化合物中,有1014个被确定为有力的RelA抑制剂.
• 与已知的抑制剂相比,Phlorethopentafuhalol- A表现出更高的结合亲和力 (- 8. 45 kcal/ mol),并通过MD模拟与RelA形成稳定的相互作用.

结论:

• 甲是一种潜在的OSCC治疗候选药物.
• 开发的QSAR模型有效预测RelA的抑制性质.
• 来自棕藻的天然产品是抗癌新药发现的有希望的来源.