针对抗癌化疗的计算表型药物发现:对结直肠癌细胞系的多细胞抑制剂的PTML建模
Alejandro Speck-Planche1, M Natália D S Cordeiro1
1LAQV/REQUIMTE, Department of Chemistry and Biochemistry, Faculty of Sciences, University of Porto, 4169-007 Porto, Portugal.
International journal of molecular sciences
|December 11, 2025
概括
研究人员开发了一种结合扰动理论机器学习 (PTML) 和基于碎片的拓设计 (FBTD) 的计算方法,以发现新的抗结直肠癌药物. 这种方法成功地设计了具有针对多个癌症细胞系的预测活性的新型分子.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌具有显著的死亡率和发病率,需要新的治疗药物.
- 计算方法为加速抗癌药物的发现提供了一个有希望的途径.
- 现型药物发现需要有效的工具来识别具有所需生物活性的化合物.
研究的目的:
- 通过计算设计和预测具有针对结直肠癌的多细胞抑制活性的新型分子.
- 为药物发现验证扰动理论机器学习 (PTML) 和基于碎片的拓设计 (FBTD) 的综合方法.
- 为了加速早期发现多功能抗癌剂.
主要方法:
- 开发一种扰动理论机器学习 (PTML) 模型,用于预测抗结肠直肠癌活性.
- 基于碎片的拓设计 (FBTD) 的应用,用于PTML模型的物理化学和结构解释.
- 使用开发的PTML模型和CLC-Pred 2.0网络服务器进行虚拟选.
主要成果:
- 在培训和测试套件中,PTML模型实现了超过80%的灵敏度和特异性.
- FBTD方法为合理的药物设计提供了洞察力.
- 设计了六种新的药物样分子,并预测它们对多种结直肠癌细胞系具有活性.
结论:
- 集成的PTML和FBTD方法显示了计算机辅助抗癌剂的新设计的巨大潜力.
- 这种统一的计算方法可以加速对结直肠癌的早期表型药物发现.
- 设计的分子代表了作为抗结肠直肠癌治疗药物的进一步研究的有希望的候选人.
