碳纳米管抑制剂的设计主要蛋白酶的SARS-CoV-2:一个结合深度学习和分子动力学模拟研究研究

科学领域:

• 计算化学是一种计算化学.
• 纳米技术 纳米技术
• 药物发现 药物发现

背景情况:

• 机器学习 (ML) 和深度学习 (DL) 正在推动药物发现,特别是在蛋白质-连接体对接方面.
• 关于ML/DL对纳米结构-蛋白相互作用的应用尚未得到充分研究,这阻碍了纳米医学的发展.

研究的目的:

• 为了比较DL模型 (DeepRMSD + Vina) 与纳米结构-蛋白质对接的传统分子动力学 (MD) 的性能.
• 评估DL在治疗纳米生物系统中的潜力,用于药物发现和纳米医学应用.

主要方法:

• 使用DeepRMSD + Vina和MD模拟,将一个碳纳米管 (纳米材料) 与SARS-CoV-2主要蛋白酶 (Mpro) 对接起来.
• 对DL生成结构与MD优化结构进行比较分析,重点关注绑定姿势和能量景观.

主要成果:

• 在很大程度上,DL生成的结构与MD优化的结构一致.
• 在DL结构内的Mpro结合口袋附近的柔性循环中发现了差异.
• 由DL生成的姿势代表了变态稳定的形状,需要能量障碍才能达到全球最小值.

结论:

• DL方法在纳米生物系统对接方面表现出显著的有效性,这与纳米医学材料设计有关.
• 该研究确定了DL模型改进的领域,以提高复杂纳米生物系统的对接精度.