综合的虚拟查,机器学习和分子动力学识别了针对MRSA的新型植物化学Fabi抑制剂

科学领域:

• 药物的发现和开发.
• 计算化学是一种计算化学.
• 微生物学 微生物学

背景情况:

• 耐甲基西林黄金葡萄球菌 (MRSA) 是一个重大的全球健康挑战,需要新的抗菌剂.
• 乙烯载体蛋白还原酶 (FabI) 是抗微生物药物的验证标,因为它在细菌脂肪酸合成中的重要作用以及它在人类中不存在.

研究的目的:

• 通过综合计算方法识别Staphylococcus aureus FabI的新型多和相关抑制剂.
• 通过分子动力学模拟和结合性自由能计算来验证潜在的抑制剂.

主要方法:

• 41,423种天然化合物的基于结构的虚拟查,以防止S. aureus FabI.
• 机器学习 (ML) 分类和可解释的人工智能 (XAI) 用于命中优先级.
• 分子动力学 (MD) 模拟,MM-GBSA 结合的自由能量计算,PCA 和 FEL 分析进行验证.

主要成果:

• 虚拟选确定了26,097种与FabI具有优越结合亲和力的化合物,其中氨酸和黄类物质是突出的.
• SVM-RBF ML 模型实现了高性能 (ROC-AUC:0.9894).
• N-(1H-化-2-)-2-(2-oxo-4-phenyl-chromen-7-yl) oxy-acetamide (CNP0408084) 显示出最高的结合亲和力 (-12.57 kcal/mol),稳定性,以及有利的结合热力学 (-38.72 kcal/mol).

结论:

• 综合计算方法,结合ML,XAI和MD模拟,有效地发现基于天然产品的Fabi抑制剂.
• CNP0408084是一种有前途的化合物,用于开发针对MRSA的新抗菌剂.
• 这项研究提供了一个可概括的框架,以基于机械的见解来优先考虑虚拟选的命中.