混合计算框架集成集体学习,分子对接和动力学,用于预测疟疾盒组合物的抗疟疾有效性
Martín Moreno1, Sebastián A Cuesta1,2, José R Mora1
1Grupo de Química Computacional y Teórica (QCT-USFQ), Departamento de Ingeniería Química, Universidad San Francisco de Quito USFQ, Diego de Robles y Vía Interoceánica, Quito 170901, Ecuador.
International journal of molecular sciences
|February 27, 2026
概括
这项研究开发了一个计算框架来预测抗疟疾药物的活性. 该方法通过整合机器学习,对接和对疟疾药物发现的模拟成功识别了有希望的化合物.
科学领域:
- 计算化学和药理学计算化学和药理学
- 药物的发现和开发.
- 寄生虫学的寄生虫学
背景情况:
- 抗药性Plasmodium falciparum菌株需要新的抗疟疾疗法.
- 现有的抗疟疾药物发现管道需要优化效率.
研究的目的:
- 开发和验证用于预测抗疟疾活动的综合计算框架.
- 从疟疾盒数据库中识别有力的抗疟疾化合物.
- 阐明已识别的化合物的潜在作用机制.
主要方法:
- 使用地形和量子力学描述器组合机器学习模型 (回归和分类).
- 对抗Plasmodium falciparum Cytochrome B. 的分子对接
- 分子动力学模拟和结合的自由能量计算.
主要成果:
- 集体分类器在将化合物分类为活性或非常活性方面取得了强大的表现.
- 随后在类内进行的回归模型显示出高预测准确度 (Q2>0.79).
- 分子对接和动力学确定了强大的结合亲缘关系和稳定的复合体,突出了与P. falciparum Cytochrome B.的关键相互作用.
结论:
- 综合计算框架有效预测抗疟疾活动,并有助于识别有前途的候选药物.
- 这项研究提供了关于化合物-标相互作用的机制性见解,支持未来的实验验证.
- 这种方法加速了对抗耐药疟疾的新型抗疟疾药物的发现.


