使用语言模型和扩散模型制造抗真菌药物来对抗耐药性
Yeji Wang1, Yuemei Dong1, Yi Zheng2
1Department of Natural Product Chemistry, Key Laboratory of Chemical Biology (Ministry of Education), School of Pharmaceutical Sciences, Cheeloo College of Medicine, State Key Laboratory of Discovery and Utilization of Functional Components in Traditional Chinese Medicine, Shandong University, Jinan, Shandong Province, China.
人工智能 (AI) 通过产生新的小分子来加速抗真菌药物的发现. 一个新的AI平台MolDiffusion成功地确定了强大的抗真菌候选物,包括双重目标化合物,证明了显著的体内疗效.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 菌类学 菌类学是指菌类学.
背景情况:
- 抗真菌药物耐药性的增加需要新的治疗策略.
- 人工智能 (AI) 提供了一种强大的方法来加速小分子药物发现.
- 解决迫切需要新的抗真菌剂的需求至关重要.
研究的目的:
- 开发一种人工智能驱动的管道,用于快速生成生物活性抗真菌抑制剂.
- 评估人工智能产生的抗真菌候选药物的治疗潜力.
- 设计针对单抗和双抗真菌蛋白质配置的小分子.
主要方法:
- 开发了MolDiffusion,这是一个基于扩散的生成AI平台,用于小分子设计.
- 将管道应用于五个真菌蛋白标和一个人体蛋白 (Keap1).
- 通过生物化学测试,基于细胞的测试和体内小鼠候选症模型评估了排名最高的候选人.
主要成果:
- 通过MolDiffusion生成的候选物,约50%的候选物具有可测量的体外活性.
- 该平台成功地生产了单目标和双目标的抗真菌药物.
- 两种化合物在小鼠候群病模型中表现出显著的体内疗效.
结论:
- MolDiffusion 将人工智能设计转化为经过实验验证的抗真菌.
- 该平台显示出开发下一代抗真菌疗法的前景.
- 已识别的双重目标化合物有可能克服现有的耐药性.
更多相关视频
05:57Author Spotlight: Exploring Cytoskeletal Dynamics to Unveil Novel Antibiotics Through Innovative Cell-Based Assays
Published on: April 26, 2024
08:59Looking for Driver Pathways of Acquired Resistance to Targeted Therapy: Drug Resistant Subclone Generation and Sensitivity Restoring by Gene Knock-down
Published on: December 11, 2017
相关概念视频
Treatment Resistant Cancers
Gene Regulation in Microbial Communities: Quorum Sensing
Development of Antibiotic Resistance
Antimicrobial Effectiveness
