深度学习驱动的QSAR和微规模MD模拟导向策略揭示了无毒的人类HGFR抑制剂
Muhammad Waleed Iqbal1, Muhammad Ali Raza1, Xinxiao Sun1
1State Key Laboratory of Chemical Resource Engineering, Beijing University of Chemical Technology, Beijing, 100029, People's Republic of China.
Molecular diversity
|October 30, 2025
概括
研究人员通过计算选FDA批准的药物以抑制肝细胞生长因子受体 (HGFR) 来确定潜在的新卵巢癌治疗方法. 像venetoclax这样的有希望的候选药物显示出高强度和低毒性,提供了更安全的治疗替代品.
科学领域:
- 在瘤学瘤学.
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 肝细胞生长因子受体 (HGFR) 的过度表达驱动卵巢癌的进展.
- 现有的HGFR抑制剂在效力和毒性方面具有局限性.
研究的目的:
- 开发一种计算框架,用于识别用于卵巢癌的新型安全的HGFR抑制剂.
- 重新利用FDA批准的药物作为潜在的HGFR向治疗方法.
主要方法:
- 集成在的方法:深度学习生物活性预测,基于结构的药物重新定位和D-MPNN毒性分析.
- 一个ANN模型在HGFR生物活性上接受了训练,以选1,040种FDA批准的药物.
- 分子对接,分子动力学模拟和D-MPNN毒性评估.
主要成果:
- 确定了venetoclax,LSM-5313和 cefoperazone作为主要的HGFR抑制剂.
- 通过广泛的模拟和分析证实了化合物的稳定和有利的结合.
- D-MPNN毒性评估表明,对于已识别的药物,没有显著的毒性责任.
结论:
- 该计算框架成功识别了有希望的,无毒的HGFR抑制剂.
- 重新设计的FDA批准的药物为卵巢癌提供了可行的治疗选择.
- 对已识别的候选药物进行进一步的临床前和临床研究是有必要的.
更多相关视频
05:47In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
14.6K
14:20High Throughput SiRNA Screening for Chloropicrin and Hydrogen Fluoride-Induced Cornea Epithelial Cell Injury
Published on: June 16, 2018
6.7K
