在癌症免疫疗法中针对PD-L1的量子优化的海洋真菌代谢物的计算表征和机器学习分析

科学领域:

• 计算化学和药物发现
• 免疫学和癌症研究.
• 海洋天然产品 海洋天然产品

背景情况:

• 癌症免疫逃避通常由免疫检查点,特别是PD-1/PD-L1轴介导.
• 在瘤细胞上过度表达的PD-L1抑制了T细胞的活动,使免疫系统能够逃脱.
• 针对PD-1/PD-L1相互作用是瘤学中重要的治疗策略.

研究的目的:

• 研究海洋真菌代谢物作为PD-1/PD-L1免疫检查点的潜在抑制剂.
• 采用多级计算方法来识别和验证化合物.
• 评估候选代谢物的结合亲和力,稳定性和电子性质.

主要方法:

• 虚拟查和分子对接,以从海洋真菌代谢物中识别潜在的PD-L1抑制剂.
• 量子化学计算 (DFT) 用于HOMO-LUMO差距分析和电子稳定性评估.
• 分子动力学 (MD) 模拟和MM/GBSA计算以评估结合的自由能量和复杂稳定性.
• 在已知的PD-L1抑制剂上训练机器学习模型,以预测化合物的疗效 (pIC50).

主要成果:

• 四种海洋真菌代谢物 (CMNPD20987,CMNPD20986,CMNPD24819,CMNPD20907) 被确定为具有强对接分数的顶级候选物.
• CMNPD24819表现出最高的电子稳定性,而CMNPD20907表现出最高的反应性.
• MD模拟和结合能量的计算证实了稳定的相互作用和显著的结合亲和力,特别是对于CMNPD24819和CMNPD20987.
• 机器学习预测表明,所选化合物的pIC50值很高,超过了参考分子.

结论:

• 海洋真菌代谢产物具有有利的电子特性和结合特征,可以抑制PD-1/PD-L1通路.
• 这些已识别的化合物显示出作为癌症治疗的新型免疫检查点抑制剂的巨大潜力.
• 这项研究强调了整合计算方法的价值,以发现天然来源的新抗癌剂.