通过机器和深度学习打破阻力:在Acinetobacterbaumannii中寻找AmvR (TetR) 抑制剂的计算智能狩猎
Yahya A Almutawif1, Saad Amin2, Sajjad Ahmad2
1Department of Clinical Laboratory Sciences, College of Applied Medical Sciences, Taibah University, Madinah, 42353, Saudi Arabia.
Journal of molecular graphics & modelling
|December 24, 2025
概括
新的天然化合物显示出对抗多药耐药Acinetobacter baumannii感染的前景. 计算方法确定了针对AmvR蛋白的强效药物候选者,为抗击具有挑战性的细菌威胁提供了希望.
科学领域:
- 计算化学和生物信息学
- 发现抗微生物药物发现.
- 分子建模和模拟分子模型
背景情况:
- 多种药物耐药的 Acinetobacter baumannii 构成了全球重大健康挑战.
- 迫切需要创新的治疗策略来对抗这些感染.
- 在A. baumannii中的TetR家族调节者AmvR蛋白被确定为潜在的治疗标.
研究的目的:
- 为了选一个自然化合物库的潜在的A. baumannii抑制剂.
- 评估已识别的候选药物的药物相似性和药理动力学特性.
- 阐明与AmvR蛋白结合的有希望化合物的结合机制和稳定性.
主要方法:
- 定量结构-活动关系 (QSAR) 建模和机器学习 (RF,SVM,KNN,XGBoost) 用于初始化合物选.
- 基于结构的虚拟查和深度学习 (CNN) 用于药物相似性评估.
- 在体中进行的药理动力学分析 (ADME),蛋白质 - 连接体对接和分子动力学 (MD) 模拟 (500 ns).
主要成果:
- 一个RF模型在化合物分类中实现了96%的准确性.
- 顶级候选药物表现出强大的结合亲和力 (例如-10.6 kcal/mol) 和有利的ADME特性.
- MD模拟证实了稳定的联体蛋白相互作用,具有显著的结合自由能量 (例如,120.55 kcal/mol).
结论:
- 与现有药物相比,新发现的天然化合物显示出更高的潜力.
- 在分析表明与AmvR蛋白的有希望和稳定的相互作用.
- 选择的化合物需要进一步的实验验证,作为对A. baumannii. 的强有力的抑制剂.
