通过机器学习驱动的选,分子对接和动态模拟来识别针对Pseudomonas aeruginosa中的LasR的潜在抗生物膜剂
1Department of Medical Laboratories, College of Applied Medical Sciences, Qassim University, 51452, Buraydah, Saudi Arabia. aamtrody@qu.edu.sa.
Scientific reports
|November 22, 2025
概括
研究人员使用机器学习和分子模拟识别了针对Pseudomonas aeruginosa LasR定数感应系统的新型抗生物膜化合物. 有希望的候选药物PubChem 3,795,981和PubChem 42,607,867显示出对抗耐药细菌感染的潜力.
科学领域:
- 微生物学 微生物学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 抗菌素耐药性 (AMR) 是一个全球性的健康危机,生物膜加剧慢性感染.
- 由于高耐药性和免疫逃避,Pseudomonas aeruginosa生物膜很难治疗.
研究的目的:
- 为了识别针对Pseudomonas aeruginosa LasR定数感应系统的新型抗生物膜化合物.
- 开发一个计算管道,用于选生物膜形成的潜在抑制剂.
主要方法:
- 机器学习 (随机森林) 用于对9000种植物化学品进行虚拟选.
- 分子对接和动力学模拟以评估结合亲和力和稳定性.
- 利宾斯基的五项规则用于药物相似性评估.
主要成果:
- 随机森林模型在预测LasR抑制剂方面达到0.98准确度.
- 从9000种化合物中确定了367种潜在的LasR抑制剂,其中155种通过了药物相似性过器.
- 顶级候选者PubChem 3,795,981和PubChem 42,607,867在模拟中表现出强大的结合能 (-12.0和-12.0 kcal/mol) 和稳定性.
结论:
- 综合计算方法成功识别了强大的LasR抑制剂.
- PubChem 3,795,981和PubChem 42,607,867是对抗P. aeruginosa的抗生物膜剂的有希望的候选者.
- 这些发现为开发针对耐药细菌感染的新疗法提供了理论基础.
