发现基于四化类昆的SARS-CoV-2酶抑制剂与代,深度学习增强的虚拟查
Alma C Castañeda-Leautaud1, Ambuj Srivastava2, Eunjung Kim3
1Department of Chemistry & Biochemistry, University of California, La Jolla, California 92093-0533, United States.
Journal of chemical information and modeling
|December 16, 2025
概括
我们使用人工智能增强的虚拟查来发现SARS-CoV-2的螺旋酶抑制剂. 一个深度神经网络改善了命中识别,导致了像MWAC-3429.9这样的有希望的抗病毒化合物.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 病毒学 病毒学
背景情况:
- 在抗病毒药物研发过程中,SARS-CoV-2螺旋酶 (Nsp13) 是一个关键的标.
- 之前的基于结构的药物发现工作需要有效的选方法.
研究的目的:
- 通过人工智能增强的虚拟查来识别新的SARS-CoV-2螺旋酶抑制剂.
- 探索3 - -1,2,3,4-四二诺 (THIQ) 衍生物的抗病毒潜力.
主要方法:
- 三轮基于结构的虚拟选 (VS) 采用人工智能 (AI).
- 在第三轮VS中使用了深度神经网络 (DNN) 来优先考虑分子.
- 用分子动力学模拟来阐明结合机制.
主要成果:
- 人工智能增强的VS提高了21%的命中识别效率.
- 确定了六个具有选择性指数> 3 的有前途的命中.
- 一种THIQ衍生物MWAC-3429显示出强大的基于细胞的抗病毒活性 (EC50 = 5.4μM),没有细胞毒性.
- 为THIQ化型提出了NSP13酶的新型全抑制机制.
结论:
- 人工智能驱动的VS有效用于识别SARS-CoV-2直酶抑制剂.
- THIQ衍生品代表了针对SARS-CoV-2的有前途的抗病毒药物类别.
- 了解全抑制机制可以指导未来的药物设计.


