发现使用QSAR,分子对接和ADMET评估方法从本齐米达衍生物中发现潜在的RSV融合蛋白抑制剂
Yini Xie1, Runqing Jia1, Tengjiao Fan1,2
1Beijing Key Laboratory of Environmental and Viral Oncology, College of Chemistry and Life Science, Beijing University of Technology, Beijing, 100124, People's Republic of China.
Molecular diversity
|September 25, 2025
概括
开发了定量结构-活性关系 (QSAR) 模型,以识别新型本齐米达衍生物作为呼吸道同胞病毒 (RSV) 融合蛋白的强效抑制剂. 通过虚拟查和进一步分析,通过虚拟查和进一步分析发现了8种具有高疗效和低毒性的有前途的候选药物.
科学领域:
- 药用化学 医学化学
- 计算机化药物设计技术
- 病毒学 病毒学
背景情况:
- 呼吸道同胞性病毒 (RSV) 是严重呼吸道感染的主要原因,特别是在脆弱人群中.
- 由于RSV融合 (F) 蛋白在病毒进入中起着重要作用,RSV融合 (F) 蛋白是抗病毒疗法的关键标.
- 目前对RSV的治疗选择有限,这凸显了对新型治疗策略的需求.
研究的目的:
- 开发强大的定量结构-活性关系 (QSAR) 模型,用于预测本齐米达衍生物对RSV F蛋白的抑制活性和细胞毒性.
- 利用这些QSAR模型对大型化学库进行虚拟查,以确定新的抗RSV药物候选者.
- 评估已识别的候选药物,以评估它们作为有效和安全的RSV抑制剂的潜力.
主要方法:
- 收集了156种对RSV F蛋白具有已知活性的西米达衍生物的数据集.
- 使用遗传算法 (GA) 和多重线性回归 (MLR) 构建并验证了抑制活性和细胞毒性的2D-QSAR模型.
- 使用开发的QSAR模型对912种胺衍生物进行虚拟选,随后进行对接,ADMET分析和分子动力学模拟.
主要成果:
- 开发了具有统计学意义的高预测精度的QSAR模型 (R2=0.8740对活性,R2=0.7573对细胞毒性).
- 与参考化合物相比,确定了234种胺衍生物,预计具有更高的抑制活性,23种具有较低的细胞毒性.
- 在全面评估后,选择了8种潜在的RSV抑制剂,表现出卓越的抑制活性,降低了细胞毒性和有利的药理学特征.
结论:
- QSAR建模是加速发现新型抗RSV药物的有效方法.
- 已识别的八种胺衍生物代表了作为RSV治疗药物进一步开发的有希望的化合物.
- 这项研究提供了一个验证的计算框架,用于设计针对RSV的强效和安全的抗病毒药物.
更多相关视频
06:03Use of Viral Entry Assays and Molecular Docking Analysis for the Identification of Antiviral Candidates against Coxsackievirus A16
Published on: July 15, 2019
8.3K
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
5.4K
