使用多重线性回归,堆叠集团回归和指纹方法发现新型天然产品衍生EGFR抑制剂
Said Bitam1, Mabrouk Hamadache2, Salah Hanini2
1Laboratory of Biomaterials and Transport Phenomena (LBMPT), Department of Process Engineering and Environment, Faculty of Technology, University of Médéa, Médéa, Algeria. bitam.said@univ-medea.dz.
Journal of computer-aided molecular design
|December 13, 2025
概括
这项研究开发了一种可靠的多重线性回归模型来预测EGFR抑制剂,其性能优于复杂模型. 计算方法确定了具有对EGFR高结合亲和力的有前途的候选药物.
科学领域:
- 药用化学 医学化学
- 计算化学的计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 表皮生长因子受体 (EGFR) 是癌症治疗的关键标.
- 开发新的EGFR抑制剂对于有效的癌症治疗至关重要.
- 定量结构-活性关系 (QSAR) 模型为药物发现提供了一种计算方法.
研究的目的:
- 开发和验证用于预测EGFR抑制剂的抑制活性 (pIC50) 的QSAR模型.
- 确定一个可靠和可解释的模型来指导EGFR抑制剂的设计.
- 通过计算选和识别潜在的新型EGFR抑制剂.
主要方法:
- 开发了两个QSAR模型:多重线性回归 (MLR) 和堆叠组合回归 (SER).
- 利用遗传算法进行分子描述器选择.
- 使用PDB ID进行了分子对接模拟:8A27.
- 进行结构模拟的虚拟选.
主要成果:
- 由于其可解释性,经合组织的合规性和通用性,MLR模型被选为主要模型.
- 分子对接确定了Compound 121作为一种高亲和度EGFR抑制剂.
- 对类型的虚拟查揭示了其他有前途的EGFR抑制剂候选者.
- 通过适用性领域分析,MLR模型证明了可靠性.
结论:
- 开发的MLR QSAR模型为EGFR抑制剂的发现提供了一个强大而透明的框架.
- 计算方法,包括QSAR和分子对接,在识别有力的EGFR抑制剂方面是有效的.
- 这项研究为合理设计新型EGFR向癌症治疗方法提供了宝贵的见解.
更多相关视频
13:18Network Pharmacology Prediction and Experimental Validation of Trichosanthes-Fritillaria thunbergii Action Mechanism Against Lung Adenocarcinoma
Published on: March 3, 2023
1.7K
08:52Profiling Sensitivity to Targeted Therapies in EGFR-Mutant NSCLC Patient-Derived Organoids
Published on: November 22, 2021
4.5K
