基于深度学习的 SmTGR 蛋白免疫调节作用的 QSAR 模型治疗策略
生物大分子
2025-08-19 v1
摘要
血吸虫病是一种被忽视的全球性健康挑战，由血吸虫属寄生虫引起。Schistosoma mansoni thioredoxin glutathione reductase（SmTGR）是寄生虫氧化还原平衡和免疫逃逸的关键因子，使其成为重要的治疗靶点。本研究采用预测定量结构-活性关系（QSAR）建模识别潜在的 SmTGR 抑制剂。通过深度学习开发了稳健的 QSAR 模型并完成了验证，实现了高预测准确率。预测的新型抑制剂进一步通过分子对接研究得到验证，结果显示其强烈结合亲和力，最高对接评分为 -10.76+-0.01kcal/mol。对接结构的 2D 和 3D 可视化确认了抑制剂与商业药物之间的类似相互作用，进一步支持了其治疗有效性及模型的预测能力。这一研究表明 QSAR 建模在加速药物发现方面具有潜力，为开发针对 SmTGR 的新型疗法以改善血吸虫病治疗提供了广阔的前景。
引用
@article{arxiv.2508.12653,
title = {Deep Learning-based QSAR Model for Therapeutic Strategies Targeting SmTGR Protein's Immune Modulating Role in Host-Parasite Interaction},
author = {Belaguppa Manjunath Ashwin Desai and Belaguppa Manjunath Anirudh and Kalyani S Biju and Vondhana Ramesh and Pronama Biswas},
journal= {arXiv preprint arXiv:2508.12653},
year = {2025}
}
备注
Copyright IEEE 2025. Permission from IEEE must be obtained for all other uses, including reprinting/republishing for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work. DOI:10.1109/AMATHE65477.2025.11081313