药物开发 药物开发
Tianhua Zhai1, David Shen2, Magally Arevalo Navarro3
1Institute for Biomedical Informatics, University of Pennsylvania, Philadelphia, PA, USA.
集结结合和QSAR特征的机器学习模型改善了Beta-secretase 1 (BACE1) 抑制剂结合亲和力的预测. 这加速了新的阿尔茨海默病 (AD) 治疗方法的发现.
科学领域:
- 计算化学和化学信息学
- 药物的发现和开发.
- 神经科学和神经退行性疾病
背景情况:
- β-分泌酶1 (BACE1) 是阿尔茨海默病 (AD) 发病的一个关键酶,产生神经毒性粉样β.
- 开发有效的BACE1抑制剂对于AD干预策略至关重要.
- 这项研究提出了一种新的机器学习方法来识别BACE1抑制剂.
研究的目的:
- 开发和评估用于预测BACE1-联体结合亲和力的机器学习模型 (pIC50).
- 整合BACE1-联体相互作用特征与定量结构-活性关系 (QSAR) 描述符,以提高预测.
- 为了促进有效的虚拟选强大的BACE1抑制剂.
主要方法:
- 从蛋白质数据库中利用了284个BACE1-连接体复合体,通过对接模拟提取了结合相互作用特征.
- 使用PubChem分子指纹计算器提取了每种联体881个QSAR特征.
- 开发了43个机器学习模型,使用三个输入集:绑定特征,前12个QSAR特征和组合特征,用R2.2评估性能.
主要成果:
- 与单个特征集相比,集结结合和QSAR特征的模型显示出更高的预测准确性.
- 使用组合功能,NuSVR模型实现了最高的预测性能,R2 = 0.78.
- 一个模糊的高斯回归模型也使用结合特征和分子量证明了可接受的性能 (R2 = 0.642).
结论:
- 机器学习模型结合了BACE1-联体相互作用和QSAR特征,有效地预测了结合亲和力,从而实现了高效的虚拟选.
- 这种方法加速了用于阿尔茨海默病药物发现的强大BACE1抑制剂的识别.
- 未来的工作将包括将这些模型扩展到更大的化学数据库,以进一步推进AD干预策略.
更多相关视频
08:04In Vitro Three-Dimensional Sprouting Assay of Angiogenesis Using Mouse Embryonic Stem Cells for Vascular Disease Modeling and Drug Testing
Published on: May 11, 2021
05:45Developmental Toxicity Assay Based on Real-Time Monitoring of Fibroblast Growth Factor Signal Disruption in Human Induced Pluripotent Stem Cells
Published on: October 10, 2025
相关概念视频
Preclinical Development: Overview
Clinical Trials: Overview
Drug Discovery: Overview
Drug Administration and Therapy Phases: Overview
The pharmaceutical phase focuses on leveraging the physicochemical properties of the drug to design and manufacture an effective product. Variants include orally administered tablets or capsules, topical creams or ointments, and parenteral-delivery solutions or emulsions.
The pharmacokinetic phase...
In Vitro Drug Release Testing: Overview, Development and Validation
Drug Regulation
